Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 

Foto: Matthias Friel

Modul: Machine Learning and Analytics - Concepts and Methods


Das hier aufgeführte Modul basiert auf in den Amtlichen Bekanntmachungen der Universität Potsdam veröffentlichten Studien- und Prüfungsordnungen.
Verbindliche Regelungswirkung haben nur die veröffentlichten Ordnungen.


HPI-MALA-C: Machine Learning and Analytics - Concepts and Methods Anzahl der Leistungspunkte (LP):
6 LP
Modulart (Pflicht- oder Wahlpflichtmodul): Abhängig vom Studiengang (siehe unten)
Inhalte und Qualifikationsziele des Moduls:

Inhalt

Die beträchtlichen Fortschritte in der Analyse von Daten haben viele neue Anwendungsszenarien eröffnet. Während in der klassischen Programmierung eines Softwaresystems alle einzelnen Programmschritte spezifisch vorgegeben werden, bieten moderne Konzepte der Datenanalyse und des Maschinellen Lernens die Möglichkeit, dass das Verhalten eines Systems automatisiert anhand von Beispieldaten erlernt wird. Dies eröffnet auch gänzlich neue Anwendungsszenarien, wie etwa in den Bereichen Künstliche Intelligenz, Computer Vision und die Verarbeitung natürlicher Sprache, wo viele Problemstellungen überhaupt nur durch derartiges Lernen lösbar scheinen und zahlreiche neue Anwendungen etwa in der Medizin und Gesundheit oder im E-Commerce und Handel untersucht werden können. Dieses Modul vermittelt grundlegende Konzepte und Methoden zur Analyse von Daten, z.B. zur Visualisierung und zur Extraktion interessanter Zusammenhänge und unerwarteter Muster sowie zum Erlernen anwendungsspezifischer Modelle mittels Methoden des maschinellen Lernens.

 

Qualifikationsziele

Die Studierenden erwerben detailliertes Wissen über die im Modul gegenständlichen Fachthemen. Die Studierenden:

-          erlangen detaillierte Kenntnisse zu Verfahren im Bereich Datenanalyse und Maschinelles Lernen,

-          können unterschiedliche Methoden zur Analyse und zum Lernen hinsichtlich ihrer Wirksamkeit und Anwendbarkeit einschätzen und vergleichen,

-          können anhand eines Datensatzes entsprechende Modelle und Softwaresysteme konzipieren,

-          verstehen, welche Probleme im Themenbereich Data Analytics und Maschinelles Lernen derzeit offen sind und haben Einblick in den diesbezüglichen Stand der Forschung gewonnen.

 

Diesem Modul zugeordnete Lehrveranstaltungen werden in englischer Sprache angeboten.

Modul(teil)prüfungen (Anzahl, Form, Umfang, Arbeitsaufwand in LP):

Eine Prüfung der folgenden Formen:

Klausur, 90-120 Minuten

Hausarbeit, (mind. 8 Seiten) zusammen mit Ergebnispräsentation (20-45 Minuten)

Mündliche Prüfung, 30-45 Minuten

Selbstlernzeit (in Zeitstunden (h)): 120

Veranstaltungen
(Lehrformen)
Kontaktzeit
(in SWS)
Prüfungsnebenleistungen
(Anzahl, Form, Umfang)
Lehrveranstaltungsbegleitende Modul(teil)prüfung
(Anzahl, Form, Umfang)
Für den Abschluss des Moduls Für die Zulassung zur Modulprüfung
Vorlesung/Seminar (Vorlesung oder Seminar) 4 -

Übungsaufgaben (50%)

-

Häufigkeit des Angebots:

WiSe

Voraussetzung für die Teilnahme am Modul: keine
Anbietende Lehreinheit(en): Digital Engineering
Zuordnung zu Studiengängen Modulart
Master of Science Software Systems Engineering WiSe 2022/23 Wahlpflichtmodul