Inhalt

[ 521ANWEIMLV18 ] VL Introduction to Machine Learning

Versionsauswahl
Es ist eine neuere Version 2024W dieser LV im Curriculum Bachelorstudium Wirtschaftswissenschaften 2020W 2024W vorhanden.
(*) Leider ist diese Information in Deutsch nicht verfügbar.
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
3 ECTS B3 - Bachelor 3. Jahr Informatik Günter Klambauer 2 SSt Johannes Kepler Universität Linz
Detailinformationen
Quellcurriculum Bachelorstudium Informatik 2021S
Ziele Studierende verstehen und beherrschen die grundlegenden Methoden des Machine Learning.
Lehrinhalte Als Machine Learning bezeichnet man eine Klasse von Verfahren, die Modelle/Beziehungen aus Daten identifizieren. Machine-Learning-Verfahren sind in verschiedensten Disziplinen unverzichtbar geworden, wie etwa Prozessmodellierung, Signal- und Bildverarbeitung, Sprachverarbeitung, in den Life Sciences und vielem mehr. Es werden die wesentlichsten Konzepte des Machine Learning vorgestellt und ein Überblick über die wichtigsten Verfahren geboten, der mit Beispielen aktueller spannender Anwendungen aus der Praxis ergänzt wird.

  • Taxonomie von Machine Learning Methoden: Überwachtes Lernen und unüberwachtes Lernen, Reinforcement Learning, Klassifikation und Regression.
  • Beispiele für grundlegende Methoden: Lineare Regression, k-means, Nearest Neighbor, Principal Component Analysis.
  • Evaluierung von Machine Learning Modellen: Kreuztabellen, ROC Kurven
  • Support-Vektor-Maschinen und Random Forests mit Beispielen aus den Life Sciences
  • Neuronale Netze und Deep Learning mit Beispielen aus der Bildanalyse, Pharmakologie und Sprachverarbeitung
  • Clustering- und Biclustering-Verfahren
Beurteilungskriterien Schriftliche Klausur
Lehrmethoden Folienvortrag ergänzt durch Online-Demos und Beispiele, die an der Tafel vorgeführt werden
Abhaltungssprache English
Literatur Lehrveranstaltungsunterlagen werden zum Download zur Verfügung gestellt
Lehrinhalte wechselnd? Nein
Äquivalenzen INBIPVOBIIN: VO Bioinformatics (3 ECTS)
Präsenzlehrveranstaltung
Teilungsziffer -
Zuteilungsverfahren Direktzuteilung