Dozenten

• Gérald Kämmerer, M.Sc.

Sprache

• Deutsch

Vorlesung

Die Vorlesungen finden in Präsenz statt. Weitere Informationen sind im Moodle-Kurs zu finden.

• Montags, 14-16 Uhr
• Raum: LB 134

Übung

• Montags

  • 16-18 Uhr, LC 137

• In der ersten Vorlesungswoche findet die Übung als Programmierungseinführung statt!

Inhalte

• Grundlagen/Einführung
• Data Science (Sammeln, Bereinigung, Aufbereitung, Visualisierung)
• Suchalgorithmen (DFS, BFS, PageRank, topologische Suche (Kahn-Algorithmus), Dijkstra, A*, UCS, …)
• ML Methodiken (Methodiken, Metriken, Crossvalidation, …)
• Genetische Algorithmen (Crossover, Mutation, Tournaments, …)
• Klassifikation & Clusterung (kNN, kMeans, DBSCAN, Decision Tree, Random Forest, Hierarchische Clusterung, Dimensionsreduktion, …)
• Regression (Linear, Logistische, …)
• Neuronale Netze (I/II) (Neuronen, Forward-Propagation, Architekturen (RNN, LSTM, GRU, CNN, GAN, AE), Optimierer, Loss-Funktion, …)
• Natural Language Processing (NLP/ Sprachverarbeitung) (klassiche und moderne Sprachverarbeitung, tf-idf, BERT, Transformer, …)
• Explainability (XAI) (Explainability, Interpretability)
• Ethik (Deep Fake, Fairness, Bias, Data Ethics, EU-AI Act)

Material & Infos

Moodle-Kurs

Für die Einschreibung ist ein Schlüssel nötig, welcher in der ersten Vorlesung bekannt gegeben wird.

Klausur

Die Klausur dauert 90 min. Seien Sie bitte so 15-10 min vorher anwesend

Erlaubt ist ein selbstbeschriebenes DIN-A4-Blatt und ein einfacher Taschenrechner (nicht graphisch/nicht programmierbar). Bringen Sie Stifte, einen einfachen Taschenrechner und den DINA4-Zettel zur Klausur mit.
Die Klausur ist bilingual (Deutsch/Englisch) sein, sodass Sie auch auf Deutsch/Englisch antworten können.