384.185 Machine Learning
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2023S, VU, 3.0h, 4.5EC
TUWELLectureTube

Merkmale

  • Semesterwochenstunden: 3.0
  • ECTS: 4.5
  • Typ: VU Vorlesung mit Übung
  • LectureTube Lehrveranstaltung
  • Format der Abhaltung: Präsenz

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage...

 - eine sehr breite Sammlung von maschinellen Lernalgorithmen und -problemen zu verstehen

 - zu bestimmen, wann maschinelles Lernen machbar ist und sinnvoll auf spezifische Herausforderungen angewendet werden kann

 - maschinelle Lernalgorithmen auf ihre speziellen Probleme anzuwenden

 - eigenständige Forschungsfragen im Bereich des maschinellen Lernens zu bearbeiten.

Inhalt der Lehrveranstaltung

Die Vorlesung vermittelt das Verständnis von Methoden der Musterklassifikation und des maschinellen Lernens. Folgende Themen sind enthalten: Anwendungen des maschinellen Lernens, Density Estimation, Regressionstechniken, Musterklassifikatoren, probabilistische Methoden zur Klassifikation, Dimensionsreduktion, Merkmalsauswahl, statistisches Clustering, Unsupervised Learning, Expectation-Maximization Algorithmus, Validierung, Markov-Prozesse, Hidden Markov Modelle, Gaußsche Prozesse, dynamische Programmierung, reinforcement learning, neuronale Netzwerke.

Methoden

Die Inhalte werden in Form eines Tafel- und Folienvortrages vermittelt. Eine Vertiefung, Festigung und praktische Anwendung der Lehrinhalte erfolgt durch Rechenübungen, Tutorials und das Lösen von konkreten Aufgabenstellungen. Es besteht die Möglichkeit durch Programmieraufgaben weitere praktische Erfahrung zu gewinnen.

Prüfungsmodus

Schriftlich

Vortragende Personen

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Do.14:00 - 17:0002.03.2023 - 29.06.2023EI 5 Hochenegg HS Vorlesung
Machine Learning - Einzeltermine
TagDatumZeitOrtBeschreibung
Do.02.03.202314:00 - 17:00EI 5 Hochenegg HS Vorlesung
Do.09.03.202314:00 - 17:00EI 5 Hochenegg HS Vorlesung
Do.16.03.202314:00 - 17:00EI 5 Hochenegg HS Vorlesung
Do.23.03.202314:00 - 17:00EI 5 Hochenegg HS Vorlesung
Do.30.03.202314:00 - 17:00EI 5 Hochenegg HS Vorlesung
Do.20.04.202314:00 - 17:00EI 5 Hochenegg HS Vorlesung
Do.27.04.202314:00 - 17:00EI 5 Hochenegg HS Vorlesung
Do.04.05.202314:00 - 17:00EI 5 Hochenegg HS Vorlesung
Do.11.05.202314:00 - 17:00EI 5 Hochenegg HS Vorlesung
Do.25.05.202314:00 - 17:00EI 5 Hochenegg HS Vorlesung
Do.01.06.202314:00 - 17:00EI 5 Hochenegg HS Vorlesung
Do.15.06.202314:00 - 17:00EI 5 Hochenegg HS Vorlesung
Do.22.06.202314:00 - 17:00EI 5 Hochenegg HS Vorlesung
Do.29.06.202314:00 - 17:00EI 5 Hochenegg HS Vorlesung

Leistungsnachweis

Die Leistungsbeurteilung der VU Machine Learning erfolgt in Form einer schriftlichen Abschlussprüfung und Programmieraufgaben. Die Prüfung umfasst Fragen zu Theorie, Berechnung und Praxis. 

Prüfungen

TagZeitDatumOrtPrüfungsmodusAnmeldefristAnmeldungPrüfung
Do.18:00 - 20:0027.06.2024EI 7 Hörsaal - ETIT schriftlich06.05.2024 00:00 - 05.06.2024 17:00in TISS384.185 VU Machine Learning Exam
Do.10:00 - 12:0005.09.2024EI 9 Hlawka HS - ETIT schriftlich01.06.2024 00:00 - 16.08.2024 23:00in TISS384.185 VU Machine Learning Exam
Do.11:00 - 13:0026.06.2025EI 7 Hörsaal - ETIT schriftlich05.05.2025 00:00 - 04.06.2025 17:00in TISS384.185 VU Machine Learning Exam

LVA-Anmeldung

Nicht erforderlich

Curricula

StudienkennzahlVerbindlichkeitSemesterAnm.Bed.Info
066 504 Masterstudium Embedded Systems Pflichtfach2. Semester
066 515 Automatisierung und robotische Systeme Pflichtfach2. Semester

Literatur

Es wird kein Skriptum zur Lehrveranstaltung angeboten.

Vorkenntnisse

Grundlagen der linearen Algebra, Probability and Statistics, Python programming

Vertiefende Lehrveranstaltungen

  • 384.187 VU Robot Learning

Sprache

Englisch