Dieser Kurs lehrt fortgeschrittene Methoden des maschinellen Lernens resp. der künstlichen Intelligenz anhand von vier nicht-trivialen Anwendungsbeispielen mit realen Daten aus der Industrie.Jedes der vier Beispiele stellt eine umfangreiche Hausaufgabe für Studierende dar, in der unterschiedliche Problemarten (Korrelation, Klassifikation, etc.) mit unterschiedlichen Methoden (Clustering, Bayesian Networks, etc.) in unterschiedlichen Fachgebieten (Automobilindustrie, Finanzindustrie, etc.) kombiniert werden. Jede Aufgabe wird von einem dazugehörigen Industriepartner mitbetreut.
Die vier Beispiele werden nacheinander abgearbeitet und strukturieren die Kurszeit in vier gleich große Abschnitte von jeweils drei Wochen, von denen jeder Abschnitt dieselbe Struktur hat:
1) Vorbereitung auf den anstehenden Abschnitt durch Wiederholung relevanter Literatur
2) Einführung in das Problem; Diskussion von Bibliotheken und Vorgehen zur Problemlösung
3) Wiederholte Diskussion (zwei weitere Sitzungen) des Problems und der Herangehensweise
4) Abgabe der Problemlösung, bestehend aus Erläuterung sowie Quelltext und Ergebnissen
Die Programmierung findet in Python statt. Eine Woche vor Kursbeginn können Studierende, welche Python noch nicht kennen oder ihre Kenntnisse auffrischen wollen, an unserem Einführungskurs zu Python und ML teilnehmen, siehe https://goo.gl/X6j4nZ.
Es wird erwartet, dass Studierende aktiv mitarbeiten, sich etwaige fehlende Grundlagen selbst aneignen, und die technischen Aufgaben eigenständig lösen werden.
Der Zeitplan ist unter https://goo.gl/5ynxcQ einsehbar. Bitte registrieren Sie sich für den Kurs auf StudOn (Verweis über Zeitplan verfügbar).