INF.08637.02 - Maschinelles Lernen mit empirischen Daten II (Complete module description)

INF.08637.02	5 CP
Module label	Maschinelles Lernen mit empirischen Daten II
Module code	INF.08637.02
Semester of first implementation
Faculty/Institute	Institut für Informatik
Module used in courses of study / semesters	Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Version of accreditation valid from SoSe 2023 > Bioinformatik (HI) (Anteil gem. § 5 Abs. 4-6, Anlage 2) Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Version of accreditation valid from SoSe 2023 > Vertiefende Module der Vertiefungsrichtung `Bildanalyse und Maschinelles Lernen` Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Version of accreditation valid from SoSe 2023 > Vertiefende Module der Vertiefungsrichtung `Bioinformatik` Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Version of accreditation valid from SoSe 2023 > Vertiefende Module der Vertiefungsrichtung `Datenbanken und Informationssysteme` Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Version of accreditation valid from SoSe 2023 > Vertiefende Module der Vertiefungsrichtung `eHumanities`
Responsible person for this module
Further responsible persons	Jun.-Prof. Dr. Thomas Schmid
Prerequisites
Skills to be acquired in this module	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
Module contents	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
Forms of instruction	Practical training (2 SWS) Course
Languages of instruction	German, English
Duration (semesters)	1 Semester Semester
Module frequency	jedes Wintersemester
Module capacity	unrestricted
Time of examination
Credit points	5 CP
Share on module final degree	Course 1: %; Course 2: %.
Share of module grade on the course of study's final grade	1
Reference text	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.

Module course label	Course type	Course title	SWS	Workload of independent learning	Sum workload
Course 1	Practical training	Blockpraktikum	2		0
Course 2	Course	Selbststudium			0
Workload by module				150	150
Total module workload					150

Examination	Exam prerequisites	Type of examination
Course 1
Course 2
Final exam of module		Mündliche Leistung (30 Minuten), Bericht (10 Seiten)
Exam repetition information

Prerequisites and conditions	Prerequisites	Frequency	Compulsory attendance	Share on module grade in percent
Course 1		Winter semester	No	%
Course 2		Winter semester	No	%