Verwaltung der Modulhandbücher

Aufbauend auf dem Modul Data Mining und Grundlagen des Maschinellen Lernens 1 sollen die Studierenden in diesem Modul im Wesentlichen weitere Methoden kennen lernen.

Fachliche Kompetenzen/Lernergebnisse:

• Bayes-Klassifikator und seine Anwendungmöglichkeiten kennen
• Ein- und mehrschichtige Feedforward-Netze anwenden können
• Merkmals-Reduktions- und Auswahl-Techniken kennen und bezüglich ihrer Eignung für spezielle Problemstellungen einschätzen können
• Support Vektor Maschinen als Kernel-Methode verstehen und anwenden können
• Grundlegende Cluster-Methoden kennen
• Grundlagen des Reinforcement Learnings kennen um die
• Anwendungsmöglichkeiten einschätzen zu können

Methodische Kompetenzen/Lernergebnisse

• Die Studierenden lernen aus einem umfangreichen Sortiment an Methoden für die jeweils vorliegende Aufgabenstellung eine geeignete Methode auswählen und anwenden zu können.

Sozial- und Selbstkompetenz

• Ausbau der Fähigkeiten aus Data Mining und Grundlagen Maschinellen Lernens 1

Vorlesung im Data-Science-Studiengang