INF.08637.01 - Maschinelles Lernen mit empirischen Daten II (Vollständige Modulbeschreibung)

INF.08637.01	5 CP
Modulbezeichnung	Maschinelles Lernen mit empirischen Daten II
Modulcode	INF.08637.01
Semester der erstmaligen Durchführung
Fachbereich/Institut	Institut für Informatik
Verwendet in Studiengängen / Semestern	Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Bioinformatik (HI) (Anteil gem. § 5 Abs. 4-6, Anlage 2) 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 gültig ab SoSe 2023 > Vertiefende Module der Vertiefungsrichtung `Bioinformatik` Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Vertiefende Module der Vertiefungsrichtung `eHumanities`
Modulverantwortliche/r
Weitere verantwortliche Personen	Jun.-Prof. Dr. Thomas Schmid
Teilnahmevoraussetzungen
Kompetenzziele	Nach der aktiven Teilnahme am Modul ''Maschinelles Lernen mit empirischen Daten II'' können die Studierenden: eine wissenschaftliche Fragestellung im Bereich Maschinelles Lernen in gegebener Zeit und mit Betreuung durch einen Lehrenden selbstständig bearbeiten und dokumentieren relevante Kernmethoden des Bereich Maschinelles Lernens auf eine gegebene empirische Forschungsfrage anwenden ein wissenschaftliche Projektdokumentation nach sachlichen Kriterien bewerten selbst erarbeitete Methodiken und Ergebnisse in einem wissenschaftlichen Fachvortrag aufbereiten, präsentieren und diskutieren
Modulinhalte	Selbstständige Analyse eines gegebenen empirischen Datensatzes Entwicklung und Anwendung einer eigenständigen Auswertung oder Anwendung mittels Methoden des maschinellen Lernens Dokumentation von Analysen, Methoden und Ergebnissen nach wissenschaftlichen Standards Selbstständige Bewertung der erzielten Ergebnisse Wissenschaftliche Präsentation des Projekts
Lehrveranstaltungsformen	Praktikum (2 SWS) Kursus
Unterrichtsprachen	Deutsch, Englisch
Dauer in Semestern	1 Semester Semester
Angebotsrhythmus Modul	jedes Sommersemester
Aufnahmekapazität Modul	unbegrenzt
Prüfungsebene
Credit-Points	5 CP
Modulabschlussnote	LV 1: %; LV 2: %.
Faktor der Modulnote für die Endnote des Studiengangs	1
Hinweise	Das Modul findet als zusammenhängendes, zweiwöchiges Blockpraktikum ganztags in der vorlesungsfreien Zeit statt. Die Module ''Maschinelles Lernen mit empirischen Daten I'' und ''Maschinelles Lernen mit empirischen Daten II'' können im gleichen Semester belegt werden.

Modulveranstaltung	Lehrveranstaltungsform	Veranstaltungstitel	SWS	Workload selbstgestaltete Arbeit	Workload Summe
LV 1	Praktikum	Blockpraktikum	2		0
LV 2	Kursus	Selbststudium			0
Workload modulbezogen				150	150
Workload Modul insgesamt					150

Prüfung	Prüfungsvorleistung	Prüfungsform
LV 1
LV 2
Gesamtmodul		Mündliche Leistung (30 Minuten), Bericht (10 Seiten)
Wiederholungsprüfung

Regularien	Teilnahmevoraussetzungen	Angebotsrhythmus	Anwesenheitspflicht	Gewicht an Modulnote in %
LV 1		Sommersemester	Nein	%
LV 2		Sommersemester	Nein	%