Inhalt

[ 921CGELPRMU13 ] UE Probabilistic Models

Versionsauswahl
Es ist eine neuere Version 2022W dieser LV im Curriculum Masterstudium Wirtschaftsinformatik 2023W vorhanden.
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
1,5 ECTS M - Master Informatik Gerhard Widmer 1 SSt Johannes Kepler Universität Linz
Detailinformationen
Quellcurriculum Masterstudium Computer Science 2013W
Ziele Die Übung soll Studierenden die Möglichkeit geben, mit probabilistischen Modellen und Algorithmen zu experimentieren, um die Funktion und die Einschränkungen solcher Modelle besser zu verstehen. Die Übung wird stärkstens empfohlen als Ergänzung zur Vorlesung "Probabilistic Models", wo die theoretischen Grundlagen erklärt werden.
Lehrinhalte Praktische Experimente mit probabilistischen Modellen. Entwicklung einfacher Systeme, die ein gegebenes Problem modellieren und darüber Schlüsse ziehen. Hauptfokus: (diskrete) Bayes'sche Netze und zeitliche Modelle (Hidden Markov Models, Kalman-Filter).
Beurteilungskriterien Selbständiges Experimentieren anhand vorgebebener Problemstellungen. Schriftlicher und/oder mündlicher Bericht über die Ergebnisse.
Abhaltungssprache Englisch
Lehrinhalte wechselnd? Nein
Präsenzlehrveranstaltung
Teilungsziffer -
Zuteilungsverfahren Direktzuteilung