Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Switch to english language
Startseite    Anmelden     
Logout in [min] [minutetext]
SoSe 2022

Introduction to Machine Learning - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung SWS 4
Veranstaltungsnummer 4439110 Max. Teilnehmer/-innen
Semester WiSe 2021/22 Zugeordnetes Modul
Erwartete Teilnehmer/-innen
Rhythmus
Hyperlink https://moodle.uni-weimar.de/course/view.php?id=36220
Weitere Links www.webis.de
Sprache englisch
Termine Gruppe: [unbenannt]
  Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
Do. 09:15 bis 10:45 wöch. von 21.10.2021  Marienstraße 13 C - Hörsaal A  

Lecture


 

 
Einzeltermine ausblenden
Do. 11:00 bis 13:00 wöch. von 28.10.2021  Marienstraße 13 C - Hörsaal A  

Lab class


dates: 28. Oktober 2021
          11. November 2021
          25. November 2021
            9. Dezember 2021
            6. Januar 2022
          20. Januar 2022
            3. Februar 2022

 
Einzeltermine:
  • 28.10.2021
  • 04.11.2021
  • 11.11.2021
  • 18.11.2021
  • 25.11.2021
  • 02.12.2021
  • 09.12.2021
  • 16.12.2021
  • 06.01.2022
  • 13.01.2022
  • 20.01.2022
  • 27.01.2022
  • 03.02.2022
  • 10.02.2022
  • 17.02.2022
  • 24.02.2022
  • 03.03.2022
  • 10.03.2022
  • 17.03.2022
  • 24.03.2022
  • 31.03.2022
  • 07.04.2022
  • 14.04.2022
  • 21.04.2022
  • 28.04.2022
  • 05.05.2022
  • 12.05.2022
  • 19.05.2022
  • 02.06.2022
  • 09.06.2022
  • 16.06.2022
  • 23.06.2022
  • 30.06.2022
  • 07.07.2022
  • 14.07.2022
Einzeltermine anzeigen
Mo. 09:00 bis 11:00 Einzel am 21.02.2022 Marienstraße 13 C - Hörsaal B  

written exam

 
Gruppe [unbenannt]:
 
 


Zugeordnete Personen
Zugeordnete Personen Zuständigkeit
Stein, Benno Maria, Prof., Dr.rer.nat.
Bevendorff, Janek , Master of Science
Völske, Michael , Dr.rer.nat.
Studiengänge
Abschluss Studiengang Semester Leistungspunkte
Master Medieninformatik (M.Sc.), PV 29 - 4,5
Master Computer Science and Media (M.Sc.), PV 11 - 4,5
Master Human-Computer Interaction (M.Sc.), PV14 - 4,5
Master Human-Computer Interaction (M.Sc.), PV15 - 4,5
Master Computer Science for Digital Media (M.Sc.), PV 17 - 4,5
Master Human-Computer Interaction (M.Sc.), PV17 - 4,5
Master Digital Engineering (M.Sc.), PV 17 - 6
Master Computer Science for Digital Media (M.Sc.), PV 18 - 4,5
Master Digital Engineering (M.Sc.), PV 19 - 6
Master Human-Computer Interaction (M.Sc.), PV19 - 6
Master Computer Science for Digital Media (M.Sc.), PV 2020 - 6
Zuordnung zu Einrichtungen
Content Management und Webtechnologien
Fakultät Medien
Inhalt
Beschreibung

Students will learn to understand machine learning as a guided search in a space of possible hypotheses. The mathematical means to formulate a particular hypothesis class determines the learning paradigm, the discriminative power of a hypothesis, and the complexity of the learning process. Aside from foundations of supervised learning also an introduction to unsupervised learning is given. The lecture introduces concepts, algorithms, and theoretical backgrounds. The accompanying lab treats both theoretical and applied tasks to deepen the understanding of the field. Team work (2-3 students) is appreciated.

Leistungsnachweis

Klausur

Zielgruppe

M.Sc. Conputer Science and Media / Computer Science for Digital Media

M.Sc. Digital Engineering


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WiSe 2021/22 , Aktuelles Semester: SoSe 2022

BISON-Portal Startseite   Zurück Kontakt/Impressum Datenschutz