INF.05357.06 - Forschungsgruppenmodul "Bildanalyse und Maschinelles Lernen" (Vollständige Modulbeschreibung)

INF.05357.06	5 CP
Modulbezeichnung	Forschungsgruppenmodul "Bildanalyse und Maschinelles Lernen"
Modulcode	INF.05357.06
Semester der erstmaligen Durchführung
Fachbereich/Institut	Institut für Informatik
Verwendet in Studiengängen / Semestern	Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Bildanalyse und Maschinelles Lernen (Anteil gem. § 5 Abs. 4-6, Anlage 2) Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Akkreditierungsfassung (WS 2009/10 - SS 2016) > Computergraphik, Bildverarbeitung Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Akkreditierungsfassung (WS 2016/17 - WS 2022/23) > Bildanalyse und Maschinelles Lernen Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Vertiefende Module der Vertiefungsrichtung `Bildanalyse und Maschinelles Lernen` Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung (WS 2013/14 - SS 2016) > Vertiefende Module der Vertiefungsrichtung `Bildanalyse und Maschinelles Lernen` Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung (WS 2016/17 - WS 2022/23) > Vertiefende Module der Vertiefungsrichtung `Bildanalyse und Maschinelles Lernen`
Modulverantwortliche/r
Weitere verantwortliche Personen	PD Dr. Birgit Möller
Teilnahmevoraussetzungen	Mindestens 10 LP aus den Modulen der Vertiefungsrichtung "Bildanalyse und Maschinelles Lernen" (im Master Informatik) oder mindestens 10 LP aus dem Untergebiet "Bildanalyse und Maschinelles Lernen" sowie den Modulen "Maschinelles Lernen in der Bild- und Mustererkennung" und "Maschinelles Lernen mit empirischen Daten" I bzw. II (im Master Bioinformatik).
Kompetenzziele	Studierende sollen durch dieses Modul folgende Kompetenzen erwerben: Sie besitzen einen vertieften Einblick in die Prinzipien und Techniken des wissenschaftlichen Arbeitens im Allgemeinen und speziell im Bereich der Bildanalyse bzw. des Maschinellen Lernens. Sie sind in der Lage, sich in eine Fragestellung aus dem Bereich der Bildanalyse und des Maschinellen Lernens selbstständig einzuarbeiten, den Stand der aktuellen Forschung zu recherchieren und Forschungslücken zu analysieren. Sie können eigene Lösungsansätze für Problemstellungen der Bildanalyse und des Maschinelles Lernens entwickeln. Sie können eigene Forschungsergebnisse überprüfen und selbstkritisch hinterfragen. Sie können eigene Forschungsergebnisse mündlich präsentieren und in einer wissenschaftlichen Diskussion verteidigen, sowie in einer schriftlichen Ausarbeitung zusammenfassend nachvollziehbar darstellen.
Modulinhalte	In diesem Modul werden die TeilnehmerInnen in die Methoden des wissenschaftlichen Arbeitens an Hand aktueller Fragestellungen des Gebiets "Bildanalyse und Maschinelles Lernen" eingeführt. Die TeilnehmerInnen werden dabei angeleitet und präsentieren regelmäßig ihre Zwischenergebnisse und Endergebnisse. Abschließend soll unter Anleitung ein Bericht in wissenschaftlicher Form erstellt werden.
Lehrveranstaltungsformen	Seminar (2 SWS) Kursus (2 SWS) Kursus
Unterrichtsprachen	Deutsch, Englisch
Dauer in Semestern	1 Semester Semester
Angebotsrhythmus Modul	jedes Semester
Aufnahmekapazität Modul	unbegrenzt
Prüfungsebene
Credit-Points	5 CP
Modulabschlussnote	LV 1: %; LV 2: %; LV 3: %.
Faktor der Modulnote für die Endnote des Studiengangs	1

Modulveranstaltung	Lehrveranstaltungsform	Veranstaltungstitel	SWS	Workload selbstgestaltete Arbeit	Workload Summe
LV 1	Seminar	Seminar	2		0
LV 2	Kursus	Konsultation	2		0
LV 3	Kursus	Selbststudium			0
Workload modulbezogen				150	150
Workload Modul insgesamt					150

Prüfung	Prüfungsvorleistung	Prüfungsform
LV 1
LV 2
LV 3
Gesamtmodul	aktive Teilnahme am Seminar und den Konsultationen, erfolgreiche Vorträge	Hausarbeit (20-30 Seiten)
Wiederholungsprüfung

Regularien	Angebotsrhythmus	Anwesenheitspflicht	Gewicht an Modulnote in %
LV 1	Sommersemester und Wintersemester	Nein	%
LV 2	Sommersemester und Wintersemester	Nein	%
LV 3	Sommersemester und Wintersemester	Nein	%