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

Grundlagen des Maschinellen Lernens

🔗 Moodle 🔗 LSF 6 Credits
Ort:
Essen
Raum:
S05 T00 B71
Termine:
Dienstag von 16-18 Uhr (s.t.) in Raum S05 T00 B71 Format: Präsenz
Beginn:
2024-10-08

Organisation

Vorlesung

  • jeden Dienstag von 14-16 Uhr (c.t.) in Raum S05 T00 B71
  • die erste Vorlesung findet am 08.10.24 statt
  • Folien werden als PDF zur Verfügung gestellt


Übung

  • ergänzende Inhalte zu den Vorlesungsinhalten
  • jeden Dienstag von 16-18 Uhr (s.t.) in Raum S05 T00 B71
  • die erste Übung findet am 15.10.23 statt
  • Aufgaben werden über Moodle bereitgestellt
  • Besprechung der Musterlösung in den Tutorien

Lehrinhalte

Die Vorlesung vermittelt einen allgemeinen Überblick über die wichtigsten Techniken des Maschinellen Lernens (ML). Es werden verschiedene Verfahren und die zugehörigen Algorithmen betrachtet. Der Fokus liegt auf Techniken des überwachten und unüberwachten Lernens. Darüber hinaus wird betrachtet, wie Daten zur Verwendung in ML-Komponenten analysiert und vorverarbeitet werden müssen.

Die folgenden Themen werden in der Vorlesung unter anderem behandelt:

  • Lineare Regression und Klassifikation
  • Nichtlineare Verfahren
  • Decision Trees und Support Vector Machines
  • Neuronale Netze und Deep Learning
  • Clustering
  • Dimensionsreduktion

Literaturangaben

  • Geron, Aurélien. 2019. Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O’Reilly.
  • Albon, Chris; Langenau, Frank. 2019. Machine Learning Kochbuch: Praktische Lösungen mit Python: von der Vorverarbeitung der Daten bis zum Deep Learning. O’Reilly.
  • Goodfellow, Ian; Yoshua Bengio; Aaron Courville. 2016. Deep Learning. MIT Press.
  • Griffiths, Dawn. 2008. Head First Statistics. O'Reilly Germany.

Weitere Veranstaltungen

WISE 24/25
BASE
Bachelorseminar 2024/2025
Wichtige Termine Wintersemester 2024/2025: Bekanntgabe der Themen am 04.10.2024 hier im Moodle Online: Einführungsveranstaltung am 11.10.2024 10:00. Hier wird erläutert, wie der genaue…
WISE 24/25
EMSE
Empirical Methods for Software Engineers
Eine Vielzahl von Ansätzen in der Softwaretechnik erfordert es, Beobachtungen vorzunehmen und diese auszuwerten. Beispiele dafür sind Benchmarks für die…
WISE 24/25
KIOP
Konzepte und Implementierung Objektorientierter Programmiersprachen
Die Objektorientierung spielt heutzutage in sehr vielen Bereichen der Softwareentwicklung eine entscheidende Rolle. So genannte „Enterprise-Frameworks“, welche  für eine Vielzahl…
WISE 24/25
MDI
Modelle der Informatik
Vorlesung Die Vorlesung findet in Präsenz statt.Die Vorlesungsfolien werden von uns nachträglich über Moodle bereitgestellt (falls möglich auch schon vorher). Die…
WISE 24/25
SE
Software Engineering
Die Veranstaltung "Software Engineering" (Moodle) vermittelt grundlegende softwaretechnische Methoden und beschäftigt sich mit typischen Herausforderungen der industriellen Softwareentwicklung. Aus dem…
WISE 23/24
BASE
Bachelorseminar 2023/2024
Wichtige Termine Wintersemester 2023/2024: Bekanntgabe der Themen am 01.10.2023 hier im Moodle Online: Einführungsveranstaltung am 13.10.2023 14:00 Wissenschaftliches Arbeiten - Workshop 1…
WISE 23/24
EMSE
Empirical Methods for Software Engineers
Eine Vielzahl von Ansätzen in der Softwaretechnik erfordert es, Beobachtungen vorzunehmen und diese auszuwerten. Beispiele dafür sind Benchmarks für die…
WISE 23/24
GruML WS23
Grundlagen des Maschinellen Lernens
Lehrinhalte Die Vorlesung vermittelt einen allgemeinen Überblick über die wichtigsten Techniken des Maschinellen Lernens (ML). Es werden verschiedene Verfahren und…
WISE 23/24
KIOP
Konzepte und Implementierung Objektorientierter Programmiersprachen
Die Objektorientierung spielt heutzutage in sehr vielen Bereichen der Softwareentwicklung eine entscheidende Rolle. So genannte „Enterprise-Frameworks“, welche  für eine Vielzahl…
WISE 23/24
MDI
Modelle der Informatik
Vorlesung Die Vorlesung findet in diesem Semester in Präsenz statt. Die Vorlesungsfolien werden von uns nachträglich über Moodle bereitgestellt. Die Vorlesung…
WISE 22/23
EMSE
Empirical Methods for Software Engineers
Eine Vielzahl von Ansätzen in der Softwaretechnik erfordert es, Beobachtungen vorzunehmen und diese auszuwerten. Beispiele dafür sind Benchmarks für die…
WISE 22/23
EngML
Engineering ML-based Systems
Lehrinhalte Die Vorlesung vermittelt einen Überblick über die Entwicklung von Software, die Komponenten des maschinellen Lernens einsetzt, und festigt das…
Nach oben scrollen
Scroll to Top