Übung

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 […]

Lehrinhalte Die Vorlesung vermittelt einen Überblick über die Entwicklung von Software, die Komponenten des maschinellen Lernens einsetzt, und festigt das vermittelte Wissen durch die Einbettung praktischer Übungen, Diskussion von Anwendungsszenarien sowie durch begleitende Projekte. Im Fokus stehen dabei insbesondere die Arbeiten, die von einem Entwicklungs-Team zum erfolgreichen Launch einer Anwendung oder Komponente, die Verfahren des

Modelle sind die grundlegenden Artefakte der Informatik. Sie werden in zahlreichen Prozessen der Entwicklung von Hardware- und Softwaresystemen verwendet. Übgungsgruppen Nr. Tag Zeit Tutor Übungsraum G1 Mo 8:00 Maximilian Wassink SE 407 G2 Mo 16:00 Maximilian Wassink SM 205 G3 Di 10:00 Maximilian Wassink SM 311 G4 Di  12:00 Maximilian Wassink SM 311 G5 Mi

Die Objektorientierung spielt heutzutage in sehr vielen Bereichen der Softwareentwicklung eine entscheidende Rolle. So genannte „Enterprise-Frameworks“, welche  für eine Vielzahl von Diensten verantwortlich sind, die in den heutigen „Business-Applications“ zum Einsatz kommen, basieren massiv auf objektorientierten Konzepten. Somit ist die Studie der zugrunde liegenden objektorientierten Konstrukte eine wichtige Vorraussetzung um die entsprechenden  Frameworks und ihre

Eine Vielzahl von Ansätzen in der Softwaretechnik erfordert es, Beobachtungen vorzunehmen und diese auszuwerten. Beispiele dafür sind Benchmarks für die Beurteilung der Ausführungsgeschwindigkeit von Software, Interviews zur Beurteilung der Benutzerzufriedenheit oder kontrollierte Experimente, um zu bestimmen, ob eine Programmiertechnik sich als vorteilhaft gezeigt hat. Um derartige Arbeiten zu verstehen oder durchzuführen, ist grundlegendes Wissen über

Eine Vielzahl von Ansätzen in der Softwaretechnik erfordert es, Beobachtungen vorzunehmen und diese auszuwerten. Beispiele dafür sind Benchmarks für die Beurteilung der Ausführungsgeschwindigkeit von Software, Interviews zur Beurteilung der Benutzerzufriedenheit oder kontrollierte Experimente, um zu bestimmen, ob eine Programmiertechnik sich als vorteilhaft gezeigt hat. Um derartige Arbeiten zu verstehen oder durchzuführen, ist grundlegendes Wissen über

Wie der Name Datenverarbeitung schon impliziert, steht im Mittelpunkt vieler Anwendungen die Verarbeitung von großen Mengen von Daten. Im Sinne einer Modularisierung von Aufgaben wird die Verwaltung und Zur-Verfügung-Stellung solcher Daten durch Datenbankmanagementsysteme garantiert. Solche Systeme bieten eine sehr hohe Schnittstelle, die es erlaubt, Daten anzulegen und abzufragen, ohne tiefgreifende Kenntnisse über die eigentliche Ablage

Eine Vielzahl von Ansätzen in der Softwaretechnik erfordert es, Beobachtungen vorzunehmen und diese auszuwerten. Beispiele dafür sind Benchmarks für die Beurteilung der Ausführungsgeschwindigkeit von Software, Interviews zur Beurteilung der Benutzerzufriedenheit oder kontrollierte Experimente, um zu bestimmen, ob eine Programmiertechnik sich als vorteilhaft gezeigt hat. Um derartige Arbeiten zu verstehen oder durchzuführen, ist grundlegendes Wissen über

Die Objektorientierung spielt heutzutage in sehr vielen Bereichen der Softwareentwicklung eine entscheidende Rolle. So genannte „Enterprise-Frameworks“, welche  für eine Vielzahl von Diensten verantwortlich sind, die in den heutigen „Business-Applications“ zum Einsatz kommen, basieren massiv auf objektorientierten Konzepten. Somit ist die Studie der zugrunde liegenden objektorientierten Konstrukte eine wichtige Vorraussetzung um die entsprechenden  Frameworks und ihre

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,