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
Dieser Abschnitt bietet eine grundlegende Einführung in die Konzepte und Technologien, die das Feld des maschinellen Lernens prägen.
Dieser Abschnitt befasst sich mit Techniken und Methoden des überwachten Lernens, bei denen das Modell auf gekennzeichneten Daten trainiert wird.
Hier wird die Methode des unüberwachten Lernens behandelt, bei der das Modell auf unmarkierten Daten trainiert wird, um Muster und Strukturen zu erkennen.
Dieser Abschnitt erläutert die Techniken der Merkmalsextraktion und -auswahl, um die Leistung der Modelle zu verbessern.
Dieser Abschnitt konzentriert sich auf die Methoden zur Bewertung und Auswahl der besten Modelle für spezifische Aufgaben.
Der Kurs 'Machine Learning for Engineers I - Introduction to Methods and Tools' an der Universität Erlangen-Nürnberg bietet eine solide Grundlage im Bereich Maschinelles Lernen. Diese Vorlesung ist speziell für Ingenieurstudenten konzipiert, um wichtige Methoden und Werkzeuge des Machine Learnings zu erlernen. Du wirst in der Lage sein, verschiedene Lernverfahren anzuwenden und Machine-Learning-Tools effektiv zu nutzen. Ein Hauptaugenmerk liegt auf der praktischen Anwendung und der Vermittlung fundierter theoretischer Kenntnisse.
Kursleiter: Prof. Dr.
Modulstruktur: Die Vorlesung besteht aus wöchentlichen Vorlesungen (2 SWS Vorlesung, 1 SWS Übung) und einer abschließenden Prüfung am Ende des Semesters.
Studienleistungen: Schriftliche Prüfung am Ende des Semesters.
Angebotstermine: Wintersemester
Curriculum-Highlights: Einführung in Maschinelles Lernen, Überwachtes Lernen, Unüberwachtes Lernen, Feature Engineering, Modellbewertung und -auswahl, Anwendung von Machine-Learning-Tools
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.
Qi C.
Jian R.
Qi Y.
Jonas X.
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 |
Debra K.