Über den Kurs
Inhaltsverzeichnis
Über das Wahlpflichtfach
Dieses Wahlpflichtfach vermittelt praktische Kenntnisse im Bereich Deep Learning, Machine Learning und Künstliche Intelligenz. Der Fokus liegt auf der praktischen Umsetzung von Machine Learning Projekten in Python unter Verwendung moderner Bibliotheken wie scikit-learn, TensorFlow und Keras.
Die Studierenden lernen den kompletten Workflow eines Machine Learning Projekts kennen - von der Problemformulierung über die Datenanalyse und -vorverarbeitung bis hin zum Training, der Validierung und der Bewertung von Modellen. Besonderer Wert wird auf Deep Learning Methoden gelegt, einschließlich Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs) und Transformer-Architekturen.
Vorlesungen
Die Vorlesungen finden wöchentlich mittwochs von 9:00 bis 11:00 Uhr im Raum 0.503 am Campus Gummersbach statt. In den Vorlesungen werden die theoretischen Grundlagen vermittelt und durch praktische Beispiele veranschaulicht.
Jede Vorlesungseinheit behandelt ein spezifisches Thema aus dem Bereich Machine Learning und Deep Learning. Die Vorlesungen sind so gestaltet, dass sie aufeinander aufbauen und ein umfassendes Verständnis der Materie ermöglichen.
Übungen
Direkt im Anschluss an die Vorlesungen finden von 11:00 bis 12:00 Uhr praktische Übungen statt. In den Übungen haben die Studierenden die Möglichkeit, das in der Vorlesung Gelernte direkt anzuwenden und zu vertiefen.
Die Übungen werden in Google Colab durchgeführt, sodass keine lokale Installation von Software erforderlich ist. Die Studierenden arbeiten an praxisnahen Aufgabenstellungen und können bei Fragen direkt Unterstützung erhalten.
Ressourcen
Alle Kursmaterialien, einschließlich Folien, Jupyter Notebooks und weiterführende Literaturhinweise, werden über diese Website bereitgestellt. Zusätzlich werden in der Sektion Materialien weitere Ressourcen wie Online-Kurse, Tutorials und Tools aufgelistet.
Für die Durchführung der praktischen Übungen wird empfohlen, Google Colab zu verwenden. Fortgeschrittene Studierende können auch mit lokalen Python-Umgebungen arbeiten.
Prüfungsleistung
Informationen zur Prüfungsleistung finden Sie in den Vorlesungsunterlagen auf der Seite Vorlesungen und Übungen.