Bereit für die Klausur? Teste jetzt dein Wissen!
Dein ergebnis
Melde dich für die StudySmarter App an und lerne effizient mit Millionen von Karteikarten und vielem mehr!
Du hast bereits ein Konto? Anmelden
Lerninhalte finden
Features
Entdecke
Egal, ob Zusammenfassung, Altklausur, Karteikarten oder Mitschriften - hier findest du alles für den Studiengang Bachelor of Science Informatik
Universität Erlangen-Nürnberg
Bachelor of Science Informatik
Prof. Dr.
2024
Supervised Learning befasst sich mit den Methoden, bei denen das Modell anhand von gelabelten Daten trainiert wird, um Vorhersagen zu treffen oder Entscheidungen zu treffen.
Im Gegensatz zu Supervised Learning werden bei Unsupervised Learning Modelle ohne gelabelte Daten trainiert, um Muster oder Strukturen in den Daten zu erkennen.
Reinforcement Learning untersucht, wie Agenten in einer Umgebung durch Versuch und Irrtum lernen, indem sie Belohnungen maximieren.
Neural Networks sind inspiriert von der Funktionsweise des menschlichen Gehirns und werden häufig für komplexe Aufgaben wie Bild- und Spracherkennung eingesetzt.
Decision Trees sind eine Methode der Entscheidungsfindung, die auf der Struktur von Baumdiagrammen basiert und häufig in der Datenanalyse verwendet wird.
Der Kurs 'Introduction to Machine Learning' an der Universität Erlangen-Nürnberg ist eine grundlegende Vorlesung im Studiengang Informatik. Der Kurs bietet eine umfassende Einführung in die Prinzipien und Techniken des maschinellen Lernens. Ziel ist es, Dir ein fundiertes Verständnis sowohl der theoretischen Konzepte als auch der praktischen Anwendungsbereiche zu vermitteln.
Kursleiter: Prof. Dr.
Modulstruktur: Die Vorlesung besteht aus wöchentlichen Vorlesungen und Übungen. Jede Woche gibt es einen Vortrag sowie praktische Übungen, die die theoretischen Konzepte vertiefen.
Studienleistungen: Die Studierenden werden durch eine Kombination aus Hausaufgaben, Projektarbeiten und einer Abschlussklausur bewertet.
Angebotstermine: Diese Vorlesung wird im Wintersemester angeboten.
Curriculum-Highlights: Supervised Learning, Unsupervised Learning, Reinforcement Learning, Neural Networks, Decision Trees, Support Vector Machines, Clustering, Regression Analysis
Beginne frühzeitig mit dem Lernen, idealerweise schon zu Beginn des Semesters, um Dir die nötige theoretische Basis anzueignen.
Nutze verschiedene Ressourcen, wie Bücher, Übungsaufgaben, Karteikarten und Probeklausuren, um dein Wissen zu vertiefen.
Schließe Dich Lerngruppen an und tausche Dich mit anderen Studierenden aus, um gemeinsam Lösungsstrategien zu entwickeln.
Vergiss nicht, regelmäßige Pausen einzulegen und in diesen Zeiten komplett abzuschalten, um eine Überbelastung zu vermeiden.
Monika E.
Sie haben bereits ein Konto? Login
74790 Strategisches Management | Kurs ansehen |
Advanced Design and Programming | Kurs ansehen |
Advanced Mechanized Reasoning in Coq | Kurs ansehen |
Advanced Programming Techniques | Kurs ansehen |
Algebra | Kurs ansehen |
Algebra des Programmierens | Kurs ansehen |
Algebraische und Logische Aspekte der Automatentheorie | Kurs ansehen |
Algorithmen und Datenstrukturen | Kurs ansehen |
Algorithmik kontinuierlicher Systeme | Kurs ansehen |
Allgemeine Biologie I | Kurs ansehen |
Philipp U.