Machine Learning for Data Science

Organisationseinheit
Freie Universität Berlin/Mathematik und Informatik/Informatik

Bereich

Grundlagenbereich

Zugangsvoraussetzungen

Keine

Qualifikationsziele

Die Studentinnen und Studenten haben Verständnis für grundlegende Anwendungen, Konzepte und Analysetechniken im Bereich des maschinellen Lernens für die Data Sciences. Sie sind in der Lage, zu komplexen Fragestellungen passende Experimente zu entwerfen, Daten zu erheben, zu erschließen, speichern, verarbeiten und analysieren. Sie wissen, welche Ergebnisse aus den jeweiligen Daten abgeleitet werden können und können computergestützte Verfahren im Anwendungsfeld und im jeweiligen wissenschaftlichen Kontext angemessen durchführen und beurteilen.

Inhalte

Es werden Themen aus folgenden Gebieten behandelt: l Experiment Design l Sampling Techniques l Data cleansing l Storage of large data sets l Data visualization and graphs l Probabilistic data analysis l Prediction methods l Knowledge discovery l Neural networks l Support vector machines l Reinforcement learning and agent models.

Lehr- und Lernformen

Aktive Teilnahme

Vorlesung
4 SWS
Teilnahme empfohlen

Nachbearbeitung der VL Inhalte und selbstständiges Erarbeiten von ergänzender Literatur Übungsaufgaben

Übung
2 SWS
verpflichtete Teilnahme

Nachbearbeitung der VL Inhalte und selbstständiges Erarbeiten von ergänzender Literatur Übungsaufgaben

Aufwand

Präsenzzeit V	60 Stunden
Vor- und Nachbereitung V	60 Stunden
Präsenzzeit Ü	30 Stunden
Vor- und Nachbereitung Ü	90 Stunden
Prüfungsvorbereitung und Prüfung	60 Stunden

Modulprüfung
Klausur (90 Minuten), die ggf. ganz oder teilweise in der Form des Antwort-Wahl-Verfahrens und auch in Form einer elektronischen Prüfungsleistung durchgeführt werden kann.

Differenzierte Bewertung
differenzierte Bewertung

Modulsprache
Englisch

Arbeitsaufwand (Stunden)
300

Leistungspunkte (LP)
10

Dauer des Moduls
Ein Semester

Häufigkeit des Angebots
Jedes Wintersemester

Verwendbarkeit

Masterstudiengang Data Science