Modul

Die Modulprüfung erfolgt in Form von Teilprüfungen über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Art der Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls genauer beschrieben. Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Der/die Studierende

• kennt die wesentlichen Familien maschineller Lernverfahren, ihre Grundprinzipien, Annahmen und
  Einschränkungen.
• kann diese Verfahren zur Lösung von Datenanalyseproblemen, zur Entscheidungsunterstützung
  bzw. zur Prozessautomatisierung in Unternehmen auswählen und einsetzen, sowie die Lösungen
  entsprechend interpretieren und bewerten.
• kann die Leistung von Lösungen vergleichen und beurteilen.

Keine

Im Modul werden im wesentlichen Verfahren aus dem statistischen Lernen (lineare und logistische Regression, Baumverfahren, SVMs, und Shrinkage Schätzer) sowie aus dem Bereich der neuronalen und genetischen Verfahren vorgestellt. Weiter werden Datentransformationen und -repräsentationen (z.B. Dimensionsreduktion, Clustering, Imputation bei fehlenden Daten) und Visualisierungstechniken sowie passende Inferenz-, Diagnose- und Validierungstechniken vorgestellt.

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden. Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Leistungspunkten ca. 135h.
Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.