INF.08039.02 - Maschinelles Lernen in der Bild- und Mustererkennung (Vollständige Modulbeschreibung)

INF.08039.02	5 CP
Modulbezeichnung	Maschinelles Lernen in der Bild- und Mustererkennung
Modulcode	INF.08039.02
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 > Basismodule der Vertiefungsrichtung `Bildanalyse und Maschinelles Lernen` Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Vertiefende Module der Vertiefungsrichtung `Bioinformatik`
Modulverantwortliche/r
Weitere verantwortliche Personen	Doz. Dr. Birgit Möller
Teilnahmevoraussetzungen
Kompetenzziele	Die Studierenden sollen in dieser Veranstaltung grundlegende Konzepte und Methoden des maschinellen Lernens kennenlernen. Sie sollen die theoretischen Grundlagen verschiedener, vorrangig überwachter, maschineller Lernverfahren und deren Eigenschaften verstehen, sowie ihre Leistungsfähigkeit und Limitierungen einschätzen können. Des Weiteren sollen die Studierenden befähigt werden, die vorgestellten Methoden und Ansätze auf praktische Fragestellungen der Mustererkennung und insbesondere der Bildanalyse und -erkennung anzuwenden.
Modulinhalte	Die Vorlesung behandelt die folgenden Themenkomplexe und Konzepte: Grundbegriffe und Konzepte der Mustererkennung und des maschinellen Lernens Verfahren zur Merkmalsextraktion und -selektion Grundzüge der Bayes'schen Entscheidungstheorie Entscheidungsbäume und Random Forests Lineare Maschinen und SVMs sowie Kernelmethoden Neuronale Netze und Deep Learning algorithmen-unabhängige Aspekte des maschinellen Lernens
Lehrveranstaltungsformen	Vorlesung (2 SWS) Kursus Übung (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: %; LV 3: %; LV 4: %.
Faktor der Modulnote für die Endnote des Studiengangs	1
Hinweise	Basismodul für die Vertiefungsrichtung "Bildanalyse und Maschinelles Lernen"

Modulveranstaltung	Lehrveranstaltungsform	Veranstaltungstitel	SWS	Workload selbstgestaltete Arbeit	Workload Summe
LV 1	Vorlesung	Vorlesung	2		0
LV 2	Kursus	Selbststudium zur Vorlesung			0
LV 3	Übung	Übung	2		0
LV 4	Kursus	Bearbeiten der Übungsaufgaben			0
Workload modulbezogen				150	150
Workload Modul insgesamt					150

Prüfung	Prüfungsvorleistung	Prüfungsform
LV 1
LV 2
LV 3
LV 4
Gesamtmodul	Erfolgreiches Bearbeiten der Übungs- und ggf. Projektaufgaben, nachzuweisen durch aktive Teilnahme an den Übungen mit Vorrechnen/Präsentation von Aufgabenlösungen und (Projekt-)Ergebnissen sowie Beteiligung an Diskussionen	mündl./schriftl./elektron. Prüfung
Wiederholungsprüfung

Regularien	Angebotsrhythmus	Anwesenheitspflicht	Gewicht an Modulnote in %
LV 1	Sommersemester	Nein	%
LV 2	Sommersemester	Nein	%
LV 3	Sommersemester	Nein	%
LV 4	Sommersemester	Nein	%