07

März 2018
Erster Workshop

Ziel dieses Workshops war es, eine gemeinsame Basis zwischen den unterschiedlichen Branchen zu schaffen und erste Visionen zu formulieren.

Zu den Ergebnissen

11

April 2018
Zweiter Workshop

Ziel des zweiten Workshops war es, eine ganzheitliche Betrachtung von Gamification im Life Science Kontext zu ermöglichen. Dafür wurde – aufbauend auf dem ersten Workshop – die User Experience (UX), d.h. die Nutzererfahrung, in den Mittelpunkt gerückt.

Zu den Ergebnissen

27

Juni 2018
Dritter Workshop

In einem eintägigen Simulations-Workshop werden wir gemeinsam ihre Gamification Konzepte in regulierten Arbeitswelten entwickeln. Vision trifft auf Wirklichkeit: Realitätsnah mit Argumentationshilfen gegenüber den Entscheidern.

Mehr

Unsere Idee:

Komplexität in hochregulierten Arbeitswelten
spielend beherrschbar machen.

Teilnehmen
Veranstaltungsbeschreibung

332611a Künstliche Intelligenz und Maschinelles Lernen

Zuletzt geändert:24.01.2024 / Pfeffer
EDV-Nr:332611a
Studiengänge: Informationswissenschaften (Bachelor, 7 Semester) , Prüfungsleistung im Modul Künstliche Intelligenz und Maschinelles Lernen in Semester 3 4 6 7
Häufigkeit: unregelmäßig
Dozent:
Sprache: Deutsch
Art: -
Umfang: 6 SWS
ECTS-Punkte: 10
Prüfungsform:
Beschreibung: Die Vorlesung führt in die Grundlagen des maschinellen Lernens ein und stellt die unterschiedlichen Ansätze (supervised, unsupervised, reinforcement) vor. Diese werden anhand konkreter Verfahren vertieft und in ML-Umgebungen wie Keras oder SciKitLearn implementiert. Typischerweise werden lineare Regression, Entscheidungsbäume, statistische Verfahren und neuronale Netze behandelt.
Ein wichtiger Bestandteil ist die Auswertung und Bewertung der Lernergebnisse. Hierzu werden die Fehlerarten besprochen und etablierte Verfahren zur Validierung sowie Messgrößen für die Qualität der Modelle vorgestellt und in den ML-Umgebungen praktisch umgesetzt.
In Anwendungsszenarien wird in Gruppen exemplarisch die Auswahl des ML-Verfahrens, Training und Evaluation der Modelle und deren praktischer Einsatz durchgespielt.
Prüfung: In einer kontrollierten Umgebung (PC-Pools) werden Programmieraufgaben gelöst. Die Studierenden haben Zugang zu der Arbeitsumgebung, wie sie in der Vorlesung etabliert wurde, und können auf eigene Materialien und eine Auswahl von Webseiten zugreifen. Die Prüfung dauert ca. 3 Stunden.
Literatur: NORVIG, Peter. Künstliche Intelligenz: Ein moderner Ansatz. Pearson Deutschland GmbH, 2023.

Weitere Literatur finden Sie in der HdM-Bibliothek.
Internet: https://scikit-learn.org/stable/user_guide.html
https://elitedatascience.com/keras-tutorial-deep-learning-in-python

    Termine