MLU
INF.05357.05 - Forschungsgruppenmodul "Bildanalyse und Maschinelles Lernen" (Vollständige Modulbeschreibung)
Originalfassung Englisch
INF.05357.05 5 CP
Modulbezeichnung Forschungsgruppenmodul "Bildanalyse und Maschinelles Lernen"
Modulcode INF.05357.05
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"
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 Kurzbericht 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 Präsenz Workload Vor- / Nach­bereitung Workload selbstge­staltete Arbeit Workload Prüfung incl. Vorbereitung 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 Teilnahme­voraussetzungen Angebots­rhythmus Anwesenheits­pflicht Gewicht an Modulnote in %
LV 1 Sommersemester und Wintersemester Nein %
LV 2 Sommersemester und Wintersemester Nein %
LV 3 Sommersemester und Wintersemester Nein %