Studium
Anwendungsnah studieren heißt: Besser vorbereitet sein in Theorie und Praxis.
Wir leben in Zeiten technologischer Innovationsverdichtung. Maschinenelles Lernen, 5G-basierte Kommunikation, das Internet der Dinge, Techniken der virtuellen und augmentierten Realität haben Auswirkungen auf Geschäftsmodelle und die Struktur von Softwaresystemen. Dynamische Veränderungen in diesen Forschungsbereichen sowie in den Anforderungen aus der Wirtschaft integrieren wir unmittelbar in die Inhalte unserer Lehre. So bleiben Vorlesungen und Seminare immer nah am Puls des Fortschritts.
Veranstaltungen
Engineering ML-based Systems
Ort:
SE 407
Raum:
ausstehend
Termine:
Fr 10:00-14:00 Uhr
Format: Präsenz
Beginn:
2021-10-15
Lehrinhalte
Im Kurs Engineering ML-based Systems (EngML) werden fortgeschrittene Machine Learning Konzepte und Best-Practices bei der Entwicklung von ML Modellen vermittelt. Der Kurs startet mit einer Vorlesungsphase, in der die folgenden Themen behandelt werden:
- Gaussian Mixture Models (GMM)
- Distribution Learning
- Reinforcement Learning (Q-Learning)
- Embeddings (Auto-Encoder, Siamese-Networks)
- Model Architectures (CNNs, RNNs)
- Prozessmodelle für ML Anwendungen (EDDA, CRISP-DM)
In der zweiten Hälfte der Veranstaltung werden, im Rahmen einer Projekt-Entwicklungsphase, Machine Learning Anwendungen einzeln oder in zweier Teams entwickelt.
Die Veranstaltung EngML setzt Machine Learning Grundlagen, wie sie im Modul Grundlagen des Maschinellen Lernens (GruML) vermittelt werden, voraus. Weitere Informationen finden Sie im LSF oder auf den Internetseiten des Lehrstuhls.
