Einführung in Maschinelles Lernen
Introduction to Machine Learning
6 LPWiSeDE
Voraussetzungen
Empfohlen, im Wortlaut
Kenntnis des Stoffes der Module • 11112 : Mathematik IT-1 (Diskrete Mathematik) • 11113 : Mathematik IT-2 (Lineare Algebra) • 11213 : Mathematik IT-3 (Analysis) Ohne grundlegende Kenntnisse in diesem Gebiet ist ein Bestehen des Moduls schwer möglich.
Inhalte
Gegenstand des Moduls sind die Modelle, Konzepte und Methoden des modernen Maschinellen Lernens. Das beinhaltet zum Beispiel die Theorie des Lernens so wie die Rolle von Rückmeldung (überwachtes Lernen, unüberwachtes Lernen, Reinforcement Lernen) als auch spezifische Formen von Lernen wie Regression, Funktionsapproximation, Probabilistische Netze, Neuronale Netzwerke und Support Vector Machines. Im Kurs werden ausdrücklich ethische und soziale Rahmenbedingungen im Allgemeinen sowie ethische und soziale Überlegungen zum maschinellen Lernen im Besonderen diskutiert.
Lernziele
Nach erfolgreichem Abschluss des Moduls kennen die Studierenden die grundlegende Konzepte und Techniken des Maschinelles Lernen, vor allem, wie die Leistung an einer zukünftigen Aufgabe verbessert werden kann durch die Beobachtung der Welt so wie der Ergebnisse von vorhergehenden Aufgaben.
Prüfungsleistung
• Klausur, 120 min.
Literatur (1)
- Russell, S., und P. Norvig. "Artificial intelligence: A modern approach, global edition 4th." Pearson Education Limited, Harlow UK(2021)
Bemerkungen
• Studiengang Künstliche Intelligenz B.Sc.: Pflichtmodul im Komplex „Lernen und Schließen” • Studiengang Künstliche Intelligenz Technologie B.Sc.: Wahlpflichtmodul im Komplex „Software-basierte Systeme” • Studiengang Informatik B.Sc.: Wahlpflichtmodul im Komplex „Grundlagen der Informatik” (Niveaustufe 300) • Studiengang Medizininformatik B.Sc.: Wahlpflichtmodul im Komplex „Informatik” Das Modul wird vorrausichtlich auch im SoSe 27 angeboten werden.
Quelle: Modulbeschreibung der BTU · abgerufen 28.09.2026Original