Informatik

Mit den Schwerpunkten "Data Science & Analytics" oder "Advanced Software Engineering". Möglichkeit eines Master-Studiums parallel zu Job oder Familie

Modulhandbuch

 Zurück 

Maschinelles Lernen

Empfohlene Vorkenntnisse

Vorlesung und Praktikum Datenbanksysteme 1 

Vorlesung Datenbanksysteme 2

Lehrform Vorlesung/Labor
Lernziele / Kompetenzen
  • Die Studierenden sollen wichtige Konzepte und Technologien zur Speicherung, Verarbeitung, Analyse und Visualisierung großer Datenmengen kennenlernen, bewerten und anwenden können.
  • Sie sollen Architekturen für Big-Data-Probleme entwerfen, Lösungsansätze praktisch umsetzen und die Ergebnisse beurteilen können.
  • Die Studierenden sollen Big-Data-Anwendungen auch unter ethischen Aspekten diskutieren und bewerten können. 
  • In der Verbindung von Vorlesung und Praktikum werden die (theoretischen) Eigenschaften der Methoden und ihre (praktischen) Auswirkungen deutlich, so dass die Studierenden dann eigenständig praktische Big-Data-Anwendungen für unterschiedliche Anforderungen durchführen können.
Dauer 1
SWS 4.0
Aufwand
Lehrveranstaltung 60
Selbststudium / Gruppenarbeit: 90
Workload 150
ECTS 5.0
Voraussetzungen für die Vergabe von LP

Modulprüfung "Big Data Analytics" (K60)

"Praktikum Big Data Analytics" muss "m.E." attestiert sein.

Modulverantwortlicher

Prof. Dr. Janis Keuper

Max. Teilnehmer 15
Empf. Semester 1-2
Haeufigkeit jedes Jahr (WS)
Verwendbarkeit

Master-Studiengang INFM

Veranstaltungen

Aktuelle Methoden des Maschinellen Lernens und deren Anwendung

Art Vorlesung
Nr. EMI2130
SWS 2.0

Praktikum Aktuelle Methoden des Maschinellen Lernens und deren Anwendung

Art Labor
Nr. EMI2131
SWS 2.0
 Zurück