Vorkurse:
Kursname:
Almanca
Kurs Koordinator:
Ausbilder:
Das Ziel der Lektion:
Maschinelles Lernen ist ein Teilbereich der künstlichen Intelligenz, dessen Ziel es ist, Modelle und Systeme zu entwickeln, die aus Rohdaten lernen können. Maschinelles Lernen findet in verschiedenen Bereichen wie Gesundheit, Finanzen und Ingenieurwesen breite Anwendung. Ziel dieses Kurses ist es, maschinelles Lernen und verwandte Konzepte vorzustellen, den Prozess des maschinellen Lernens zu erklären, die theoretischen Grundlagen grundlegender Algorithmen des maschinellen Lernens zu vermitteln und praktische Übungen mit der Programmiersprache Python durchzuführen.
Kursinhalt:
| Im Laufe des Kurses werden grundlegende Konzepte der künstlichen Intelligenz und des maschinellen Lernens, maschinelle Lernprozesse, die grundlegende Verwendung der Programmiersprache Python sowie Techniken zur Datenvisualisierung und Datenvorverarbeitung behandelt. Darüber hinaus werden maschinelle Lernalgorithmen wie überwachte und unüberwachte Lernansätze, einfache und multiple lineare Regressionsmodelle, der k-Nearest-Neighbor-Algorithmus, der Naive-Bayes-Klassifikator, Support-Vektor-Maschinen, Entscheidungsbäume und künstliche neuronale Netze ausführlich behandelt. |
Lehrmethoden des Kurses:
1.Vorlesung, 2. Problemlösung, 3. Frage/Antwort, 4. Laborübung, 5.Werkstattarbeit, 6. Projektarbeit, 7.Fallstudie, 8.Diskussion, 9.Gruppenarbeit, 10.Gastvortragende, 11. Präsentationsmethode
Messmethoden des Kurses:
A. Zwischenprüfung, 2.Abschlußprüfung, Teilnahme, D. Quiz, E. Präsentation, F. Hausaufgabe, G. Projektarbeit, H. Anwendungsaufgabe
Vertikale Reiter
Course Learning Outcomes
| Lernergebnisse der Lehrveranstaltung | Lernergebnisse des Programms | Lehrmethoden | Bewertungsmethoden |
| Die Studierenden können die Grundprinzipien, Konzepte und Algorithmen des maschinellen Lernens definieren und erklären. | 2, 3, 4, 5 | 1, 2, 3, 4 | A, B, D |
|
Sie können verstehen, wie maschinelles Lernen in der Informatik und in der Gesellschaft allgemein eingesetzt wird. |
2, 3, 4, 5 | 1, 2, 3, 4 | A, B, D |
| Sie können Probleme des maschinellen Lernens formulieren und lösen. | 2, 3, 4, 5 | 1, 2, 3, 4 | A, B, D |
|
Sie können Modelle des maschinellen Lernens anhand von Datensätzen trainieren und eigene Projekte zum maschinellen Lernen entwerfen und umsetzen. |
2,3, 4, 5 | 1, 2, 3, 4 | A, B, D |
|
Sie können die Chancen und Risiken des maschinellen Lernens bewerten und Prognosen erstellen. |
2,3, 4, 5 | 1, 2, 3, 4 | A, B, D |
Course Flow
| Wöchentliche Themenverteilung | ||
| Woche | Themen | Vorbereitungen |
| 1 | Künstliche Intelligenz, maschinelles Lernen und damit verbundene Grundbegriffe | |
| 2 | Maschineller Lernprozess, überwachtes/unüberwachtes Lernen | |
| 3 | Python-Grundlagen | |
| 4 | Datenvisualisierung | |
| 5 | Datenvorverarbeitung | |
| 6 | Erstellen von Prognosemodellen mit einfacher/multipler linearer Regression | |
| 7 | Clustering mit dem k-Means-Algorithmus | |
| 8 | Anwendung | |
| 9 | k-Nearest Neighbor-Algorithmus | |
| 10 | Naiver Bayes-Algorithmus | |
| 11 | Entscheidungsbäume | |
| 12 | Support-Vektor-Maschinen | |
| 13 | Künstliche neuronale Netze | |
| 14 | Allgemeine Wiederholung | |
Recommended Sources
| QUELLEN | |
| Modulskripte | Vorlesungsfolien, Colab-Dokumente, Datensätze |
| Weitere Quellen | Interaktive Anwendungsdateien |
Material Sharing
| MATERIALTEILUNG | |
| Dokumente | Vorlesungsfolien, Colab-Dokumente, Datensätze, interaktive Anwendungsdateien |
| Prüfungen | Kurztest, Zwischenprüfung, Abschlussprüfung |
Assessment
| BEWERTUNGSSYSTEM | ||
| HALBJAHR-AKTİVİTÄTEN | ANZAHL |
Anteil
in Endnote (%) |
| Anwesenheit | 14 | 10 |
| Kurze Prüfung | 1 | 10 |
| Zwischenprüfung | 1 | 30 |
| Abschlussprüfung | 1 | 50 |
| Summe | 100 | |
| Beitrag der Abschlussprüfung | 50 | |
| Beitrag der Halbjahraktivitäten | 50 | |
| Summe | 10 | |
Course’s Contribution to Program
| Lernergebnisse Internet und Netzwerk Technologien Programms | ||||||
| Nr | Lernergebnisse | Beitragsstufe | ||||
| 1 | 2 | 3 | 4 | 5 | ||
| PÇ1 | Erklären und Anwenden von Netzwerkstrukturen, Protokollen und Kommunikationsprinzipien. Bietet Netzwerk-Debugging, Fehlerbehebung und Sicherheit | |||||
| PÇ2 |
Führt die grundlegende Programmierung von Netzwerkgeräten durch.
Durch die Kenntnisse der Konzepte im Zusammenhang mit Computernetzwerken verfügen Sie über die Fähigkeit, Kommunikations-, Organisations- und Datenübertragungsmethoden zwischen Computern zu verwenden |
X | ||||
| PÇ3 | Führt mathematische Berechnungen im Zusammenhang mit dem Feld durch. | X | ||||
| PÇ4 | Kennt die Konzepte der Informations- und Internettechnologien und der Internetverbindungsmethoden, kann webbasierte Programme entwickeln, Websites entwerfen. | X | ||||
| PÇ5 |
Erwirbt die Fähigkeit, Programmiersprachen, neue Methoden und Informationstechnologien, die für Anwendungen im Zusammenhang mit Internet- und Netzwerktechnologien erforderlich sind, zu identifizieren und effektiv zu nutzen.
Haben Sie die Fähigkeit, die für die Lösung von Problemen im Bereich der Computerprogrammierung erforderlichen Daten zu definieren, zu algorithmisieren, zu modellieren und zu lösen. |
X | ||||
| Lernergebnisse des Mechatronik Programms | ||||||
| Nr | Lernergebnisse | Beitragsstufe | ||||
| 1 | 2 | 3 | 4 | 5 | ||
| PÇ1 | Die Studierende kann die grundlegenden Konzepte der Mechatronik definieren und anwenden | |||||
| PÇ2 | Die Studierende können die Elemente von Automatisierungssystemen programmieren | |||||
| PÇ3 | Die Studierende können die Maschinenelemente erkennen und mathematische Berechnungen durchführen und mechanische Systeme entwerfen | |||||
| PÇ4 | Die Studierende kann die Elemente von Hydraulik- und Pneumatik Systemen erklären und können Hydraulik- und Pneumatik Systeme entwerfen | |||||
| PÇ5 | Die Studierende verfügen über die Kompetenz, Informations- und Kommunikationstechnologien zusammen mit dem für die Mechatronik erforderlichen Niveau an Computerhardware- und Softwarekenntnissen zu nutzen. | X | ||||
| Lernergebnisse des Elektronik Technologien Programms | ||||||
| Nr | Lernergebnisse | Beitragsstufe | ||||
| 1 | 2 | 3 | 4 | 5 | ||
| PÇ1 | Erklären Sie die Grundlagen elektronischer Schaltungen, führen Sie mathematische Berechnungen und notwendige Messungen durch. | |||||
| PÇ2 | Definition und Anwendung digitaler und analoger elektronischer Techniken. | |||||
| PÇ3 | Erlangt die Fähigkeit, neue Schaltungskomponenten, Funktionsgruppen oder neue Schaltungen zu testen, zu messen, zu bewerten und Versuchs- und Messaufbauten aufzubauen und durchzuführen. | X | ||||
| PÇ4 | Entwirft Systeme mit Mikrocontrollern, entwickelt Programme und Applikationen. | |||||
| PÇ5 | Erkennt Fehlfunktionen, die bei elektronischen Geräten auftreten können, und behebt Fehlfunktionen. | X | ||||
| Lernergebnisse des Kraftfahrzeugtechnik Programms | ||||||
| Nr | Lernergebnisse | Beitragsstufe | ||||
| 1 | 2 | 3 | 4 | 5 | ||
| PÇ1 | Die Studierende können die Otto-Diesel-Motorentechnologien und Antriebsstränge erklären und die mathematischen Berechnungen in seinem Fachbereich durchführen. | |||||
| PÇ2 | Die Studierende können die Montage- und Demontagearbeiten von Verbrennungsmotoren durchführen. | |||||
| PÇ3 | Die Studierende kann die Kfz-Elektrik und Kfz-Elektronik erklären. | |||||
| PÇ4 | Die Studierende können die Fertigungstechnologien und Werkstoffen von Automobilteilen erkennen und diese rechnergestützt entwerfen. Sie können die notwendigen Mess- und Testarbeiten durchführen und Störungen feststellen. | X | ||||
| PÇ5 | Die Studierende erwerben die Fähigkeit, Energie effizient zu nutzen, alternative Motoren und Kraftstoffe zu verstehen, neue Technologien im Automobilsektor zu erfassen und Projekte zu erstellen; sie haben Kenntnisse über die Auswirkungen der globalen Erwärmung und der Motoremissionen auf die Umwelt. | |||||
| BEITRÄGE DER LEHRVERANSTALTUNG ZU DEN LERNERGEBNİSSEN DES PROGRAMMS | ||||||
| Gemeinsame Programmergebnisse – WISSEN | ||||||
| PÇ 6 | Erwirbt grundlegende, aktuelle und anwendungsbezogene Kenntnisse über seinen Beruf. | X | ||||
| PÇ 7 | Er verfügt über Kenntnisse in den Bereichen Arbeitssicherheit und Gesundheitsschutz, Umweltbewusstsein und Qualitätsprozesse. | |||||
| Gemeinsame Programmergebnisse – FÄHIGKEIT | ||||||
| PÇ 8 | Verfolgt aktuelle Entwicklungen und Anwendungen in seinem Berufsfeld und nutzt diese effektiv. | X | ||||
| PÇ 9 | Er nutzt die für seinen Beruf relevanten Informationstechnologien (Software, Programme, Animationen usw.) effektiv. | X | ||||
| PÇ 10 | Er/sie ist in der Lage, berufliche Probleme und Themen unabhängig mit einem analytischen und kritischen Ansatz zu bewerten und Lösungsvorschläge zu unterbreiten. | X | ||||
| Gemeinsame Programmergebnisse – KOMPETENZ | ||||||
| PÇ 11 | Kann seine Gedanken auf der Ebene von Wissen und Fähigkeiten durch schriftliche und mündliche Kommunikation effektiv präsentieren und verständlich ausdrücken. | X | ||||
| PÇ 12 | Übernimmt als Teammitglied Verantwortung für die Lösung komplexer, unvorhersehbarer Probleme, die in seinem Fachgebiet auftreten. | X | ||||
| PÇ 13 | Ist sich der Themen Karriereplanung und lebenslanges Lernen bewusst. | |||||
| PÇ 14 | Er/sie verfügt über soziale, wissenschaftliche, kulturelle und ethische Werte in den Phasen der Datenerhebung, -anwendung und -veröffentlichung in seinem/ihrem Fachgebiet. | |||||
| PÇ 15 | Verfolgt Informationen aus seinem Fachgebiet in einer Fremdsprache und kommuniziert mit Kollegen. | X | ||||
ECTS
| KATEGORIE DER LEHRVERANSTALTUNG | Spezialisierung/ Fachgebietsspezifisch | ||
| ECTS / AUFWANDSTABELLE | |||
| Aktivität | ANZAHL |
Dauer (Stunden) |
Gesamtaufwand (Stunden) |
| Anwesenheit (Die Anwesenheitspflicht in einem Semester ist min. 80%) | 14 | 3 | 42 |
| Lernaufwand außerhalb der Lehrveranstaltung (Vorbereitung, Vertiefung) | 14 | 2 | 28 |
| Kurze Prüfung | 1 | 2 | 2 |
| Zwischenprüfung | 1 | 6 | 6 |
| Abschlussprüfung | 1 | 10 | 10 |
| Gesamter Arbeitsaufwand | 88 | ||
| Gesamter Arbeitsaufwand / 25 (std.) | 3,52 | ||
| ECTS-Punkte der Lehrveranstaltung | 4 | ||