|
Maschinelles Lernen und Künstliche Intelligenz im Ingenieurwesen (KI-ING)5 ECTS (englische Bezeichnung: Machine Learning and Artificial Intelligence in Engineering)
(Prüfungsordnungsmodul: Maschinelles Lernen und Künstliche Intelligenz im Ingenieurwesen (KI-ING))
Modulverantwortliche/r: Patric Müller Lehrende:
Patric Müller
Startsemester: |
SS 2022 | Dauer: |
1 Semester | Turnus: |
jährlich (SS) |
Präsenzzeit: |
45 Std. | Eigenstudium: |
105 Std. | Sprache: |
Deutsch |
Lehrveranstaltungen:
-
-
Maschinelles Lernen und Künstliche Intelligenz im Ingenieurwesen (V)
(Vorlesung, 2 SWS, Patric Müller, Mo, 13:00 - 15:00, Raum n.V.; ab 2.5.2022; CIP-Pool CBI, Konrad-Zuse-Str. 3-5 (3. OG), mehr Informationen auf StudOn: https://www.studon.fau.de/crs4485538_join.html)
-
Maschinelles Lernen und Künstliche Intelligenz im Ingenieurwesen (Ü)
(Übung, 1 SWS, Patric Müller, Mo, 15:00 - 16:00, Raum n.V.; ab 9.5.2022; CIP-Pool CBI, Konrad-Zuse-Str. 3-5 (3. OG), mehr Informationen auf StudOn: https://www.studon.fau.de/crs4485538_join.html)
Inhalt:
Die Vorlesungen und Übungen vermitteln ausgewählte Algorithmen aus den Bereichen maschinelles Lernen (ML) und künstliche Intelligenz (KI) auf Grundlagenniveau und illustrieren diese anhand von relevanten Anwendungsbeispielen. Besprochen werden unter anderem die folgenden Themengebiete:
Lernziele und Kompetenzen:
Die Studentinnen und Studenten
verstehen, was sich hinter den Schlagworten KI und ML verbirgt
verstehen wichtige Algorithmen aus den Bereichen KI und ML und können diese in Ihrer einfachsten Form selbst implementieren
kennen typische, im Bereich der Verfahrenstechnik relevante Anwendungsbeispiele von KI und ML
verstehen a) was KI und ML leisten kann und b) wo KI und ML im eigenen Fachbereich angewendet werden können
sind fähig, sich speziellere KI- und ML-Algorithmen und –Anwendungen eigenständig zu erschließen
sind in der Lage die hochaktuellen Themen KI und ML mit solidem Hintergrundwissen zu diskutieren und zu bewerten
kennen einige für KI und ML wichtige Software-Tools (z.B. Python und Tensorflow) und können damit einfache Aufgaben bearbeiten
Literatur:
- Hastie, Tibshirani, Friedman, The elements of statistical learning
Wolfgang Ertel, Grundkurs künstliche Intelligenz
Kelleher, MacNamee, D’Arcy, Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies - Goodfellow, Bengio, Courville, Deep Learning
Aurelien Geron, Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems
Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
- Life Science Engineering (Master of Science)
(Po-Vers. 2019w | TechFak | Life Science Engineering (Master of Science) | Gesamtkonto | Wahlpflichtmodule | Maschinelles Lernen und Künstliche Intelligenz im Ingenieurwesen (KI-ING))
Dieses Modul ist daneben auch in den Studienfächern "Chemical Engineering - Nachhaltige Chemische Technologien (Master of Science)", "Chemie- und Bioingenieurwesen (Master of Science)", "Energietechnik (Bachelor of Science)", "Mechatronik (Master of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar. Details
Studien-/Prüfungsleistungen:
Maschinelles Lernen und Künstliche Intelligenz im Ingenieurwesen (KI-ING) (Prüfungsnummer: 46501)
- Prüfungsleistung, Klausur, Dauer (in Minuten): 90, benotet, 5 ECTS
- Anteil an der Berechnung der Modulnote: 100.0 %
- Prüfungssprache: Deutsch
- Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023
|
|
|
|
UnivIS ist ein Produkt der Config eG, Buckenhof |
|
|