Allgemeines

Die Bachelor-Vorlesung Einführung in das Maschinelle Lernen gehört zu den Pflichtmodulen für Studierende der ETIT und NES.

BA ET und BA SES : Modul 15

Termine und Materialien zu Vorlesung und Übung

Vorlesung und Übung werden in eigenen Moodle-Räumen organisiert, wo die semesterbegleitenden Materialien und Termine bekanntgegeben werden.
Die Anmeldung erfolgt dabei  über LSF

Vorlesungsinhalte

Grundkonzepte der Statistik 
Grundlagen des maschinellen Lernens

Klassifikation

• Naive Bayes
• Lineare Diskriminanzanalyse

Regression 

• Lineare Regression
• Nichtlineare Regression

Neuronale Netze
Deep Learning
Umsetzung von Maschinellen Lernverfahren mit Hilfe von Matlab 

Kompetenzen

Nach erfolgreichem Abschluss des Moduls verfügen die Studierenden über grundlegende Kenntnisse der Statistik und Wahrscheinlichkeitsrechnung sowie zentraler Methoden des maschinellen Lernens. Sie sind in der Lage, typische Problemstellungen aus technischen Anwendungsfeldern – insbesondere aus der Elektro- und Informationstechnik sowie der Robotik – als Klassifikations- oder Regressionsaufgaben zu identifizieren und geeignet zu modellieren.

 Die Studierenden können grundlegende Verfahren des überwachten Lernens, wie Naive Bayes, lineare Diskriminanzanalyse, Regressionsmethoden sowie neuronale Netze einschließlich Deep-Learning-Ansätzen, beschreiben, unterscheiden und hinsichtlich ihrer Einsatzmöglichkeiten bewerten. Sie verstehen die wesentlichen algorithmischen Prinzipien der Trainingsverfahren und können deren Ergebnisse interpretieren und kritisch einordnen.

Darüber hinaus sind die Studierenden in der Lage, ausgewählte Methoden des maschinellen Lernens mit Hilfe geeigneter Softwarewerkzeuge (z. B. MATLAB) praktisch umzusetzen und auf konkrete Problemstellungen anzuwenden. Anhand von Fallbeispielen erwerben sie die Fähigkeit, geeignete Verfahren auszuwählen und deren Leistungsfähigkeit im Anwendungskontext zu beurteilen. Insgesamt sind die Studierenden befähigt, grundlegende Methoden des maschinellen Lernens im weiteren Studienverlauf sowie in einfachen ingenieurwissenschaftlichen Anwendungen zielgerichtet einzusetzen.