Intelligente Datenanalyse & Maschinelles Lernen I - Einzelansicht

Funktionen:

Veranstaltungsart	Vorlesung/Übung	Veranstaltungsnummer
SWS		Semester	SoSe 2024
Einrichtung	Institut für Informatik und Computational Science	Sprache	englisch
Belegungsfrist	02.04.2024 - 10.05.2024 aktuell

Gruppe 1:

Vormerken: jetzt belegen / abmelden

		Tag	Zeit	Rhythmus	Dauer	Raum	Lehrperson	Ausfall-/Ausweichtermine	Max. Teilnehmer/-innen
	Vorlesung	Di	10:00 bis 12:00	wöchentlich	09.04.2024 bis 16.07.2024	2.70.0.09	Prof. Dr. Scheffer
	Übung	Do	12:00 bis 14:00	wöchentlich	11.04.2024 bis 18.07.2024	2.70.0.10	Prof. Dr. Scheffer

Gruppe 2:

Vormerken: jetzt belegen / abmelden

		Tag	Zeit	Rhythmus	Dauer	Raum	Lehrperson	Ausfall-/Ausweichtermine	Max. Teilnehmer/-innen
	Vorlesung	Di	10:00 bis 12:00	wöchentlich	09.04.2024 bis 16.07.2024	2.70.0.09	Prof. Dr. Scheffer
	Übung	Di	14:00 bis 16:00	wöchentlich	09.04.2024 bis 16.07.2024	2.70.0.09	Prof. Dr. Scheffer

Gruppe 3:

Vormerken: jetzt belegen / abmelden

		Tag	Zeit	Rhythmus	Dauer	Raum	Lehrperson	Ausfall-/Ausweichtermine	Max. Teilnehmer/-innen
	Vorlesung	Di	10:00 bis 12:00	wöchentlich	09.04.2024 bis 16.07.2024	2.70.0.09	Prof. Dr. Scheffer
	Übung	Do	10:00 bis 12:00	wöchentlich	11.04.2024 bis 18.07.2024	2.70.0.08	Prof. Dr. Scheffer

Kommentar	Die Veranstaltung beschäftigt sich mit Algorithmen, die aus Daten lernen können. Algorithmen des maschinellen Lernens gewinnen aus Daten Modelle, mit denen sich dann Vorhersagen über das beobachtete System treffen lassen. Anwendungen für Datenanalyse-Verfahren erstrecken sich von der Vorhersage von Kreditrisiken über die Auswertung astronomischer Daten bis zu persönlichen Musikempfehlungen. Die Veranstaltung setzt sich aus einem Vorlesungs- und einem Projektteil zusammen. Der Vorlesungsteil vermittelt die Grundlagen des maschinellen Lernens. Im Projektteil werden anwendungsnahe Aufgaben eigenständig in Python bearbeitet.
Leistungsnachweis	Projektaufgabe, Klausur oder mündliche Prüfung

Kommentar

Die Veranstaltung beschäftigt sich mit Algorithmen, die aus Daten lernen können. Algorithmen des maschinellen Lernens gewinnen aus Daten Modelle, mit denen sich dann Vorhersagen über das beobachtete System treffen lassen. Anwendungen für Datenanalyse-Verfahren erstrecken sich von der Vorhersage von Kreditrisiken über die Auswertung astronomischer Daten bis zu persönlichen Musikempfehlungen. Die Veranstaltung setzt sich aus einem Vorlesungs- und einem Projektteil zusammen. Der Vorlesungsteil vermittelt die Grundlagen des maschinellen Lernens. Im Projektteil werden anwendungsnahe Aufgaben eigenständig in Python bearbeitet.

Leistungsnachweis

Projektaufgabe, Klausur oder mündliche Prüfung

Strukturbaum

Die Veranstaltung wurde 27 mal im Vorlesungsverzeichnis SoSe 2024 gefunden:

Vorlesungsverzeichnis

Mathematisch-Naturwissenschaftliche Fakultät

Institut für Physik und Astronomie

Master of Science

Physik (Prüfungsversion ab WiSe 2019/20)

Wahlpflichtmodule

Außerfachliche Ergänzung

INF-8020 - Maschinelles Lernen I - - - 1

INF-7020 - Intelligente Datenanalyse in den Naturwissenschaften - - - 2

INF-1070 - Intelligente Datenanalyse - - - 3

Institut für Mathematik

Master of Science

Mathematics (Prüfungsversion ab WiSe 2019/20)

Additional Subject

Life sciences - specialization bioinformatics

BIO-MBIW02 - Advanced methods for Analysis of Biochemical networks - - - 4

Computer Science

INF-8020 - Maschinelles Lernen I - - - 5

INF-1070 - Intelligente Datenanalyse - - - 6

Cognitive Science

CSE-MA-030 - Neurolinguistics Perspectives - - - 7

Mathematik (Prüfungsversion ab WiSe 2015/16)

Zusatzfach

Informatik

INF 1070 - Intelligente Datenanalyse - - - 8

INF 8020 - Maschinelles Lernen I - - - 9

Institut für Informatik und Computational Science

Master of Science

Computational Science (Prüfungsversion ab WiSe 2019/20)

I. Kernmodule Computational Science

INF-7040 - Effiziente Datenverarbeitung für die Naturwissenschaften - - - 10

INF-7020 - Intelligente Datenanalyse in den Naturwissenschaften - - - 11

III. Vertiefungsmodule Informatik

INF-8020 - Maschinelles Lernen I - - - 12

Data Science (Prüfungsversion ab WiSe 2018/19)

Compulsory Modules

INF-DS-C1 - Machine Learning - - - 13

Bachelor of Science

Computational Science (Prüfungsversion ab WiSe 2013/14)

I. Grundlagenmodule Informatik

Intelligente Datenanalyse - - - 14

Computational Science (Prüfungsversion ab WiSe 2019/20)

I. Grundlagenmodule Informatik/Computational Science

INF-1070 - Intelligente Datenanalyse - - - 15

Institut für Geowissenschaften

Bachelor of Science

Geowissenschaften (Prüfungsversion ab WiSe 2019/20)

Wahlpflichtmodule (naturwissenschaftlicher Ergänzungsbereich und geowissenschaftlicher Vertiefungsbereich)

INF-1070 - Intelligente Datenanalyse - - - 16

Institut für Biochemie und Biologie

Master of Science

Bioinformatics (Prüfungsversion ab WiSe 2018/19)

Elective Modules

BIO-MBIW02 - Advanced methods for Analysis of Biochemical networks - - - 17

Ecology, Evolution and Conservation (Prüfungsversion ab WiSe 2019/20)

Elective modules B

BIO-MBIW02 - Advanced methods for Analysis of Biochemical networks - - - 18

Wirtschafts- und Sozialwissenschaftliche Fakultät

Wirtschaftswissenschaften

Master of Science

Economic Policy and Quantitative Methods (Prüfungsversion ab WiSe 2020/21)

Specialisation: Quantitative Methods

MA-M-220 - Econometric Methods and Applications II - - - 19

MA-M-310 - Quantitative Methods I - - - 20

Wirtschaftsinformatik und Digitale Transformation (Prüfungsversion ab WiSe 2017/18)

Wahlpflichtmodule

Informatik

INF 8020 - Maschinelles Lernen I - - - 21

Bachelor of Science

Wirtschaftsinformatik (Prüfungsversion ab WiSe 2015/16)

Informatik

BVMINF100 - Vertiefung Informatik I - - - 22

Spezialisierung

BVMINF200 - Vertiefung Informatik II - - - 23

Humanwissenschaftliche Fakultät

Department Linguistik

Bachelor of Science

Computerlinguistik (Prüfungsversion ab WiSe 2017/18)

Wahlpflichtmodule Informatik

INF 1070 - Intelligente Datenanalyse - - - 24

Kognitionswissenschaft (Prüfungsversion ab WiSe 2021/22)

Wahlpflichtmodule

INF-1070 - Intelligente Datenanalyse - - - 25

Master of Science

Cognitive Systems: Language, Learning and Reasoning (Prüfungsversion ab WiSe 2014/15)

Compulsory Module

BM2 - Machine Learning and Data Analysis - - - 26

Department Psychologie

Master of Science

Cognitive Science - Embodied Cognition (Prüfungsversion ab WiSe 2016/17)

Wahlpflichtmodule

CSE-MA-030 - Neurolinguistics Perspectives - - - 27