EventoWeb

Zürcher Hochschule für Angewandte Wissenschaften

Nicht angemeldet (Donnerstag, 21. November 2024 17:14:27)  

n.BA.XX.MDMML.23HS (Machine Learning) 
Modul: Machine Learning
Diese Information wurde generiert am: 21.11.2024
Nr.
n.BA.XX.MDMML.23HS
Bezeichnung
Machine Learning
Credits
2

Beschreibung

Version: 2.0 gültig ab 01.08.2023

 

Studiengang  Biotechnologie / Chemie
Geltende Rechtsordnung  RPO vom 29. Januar 2008, Studienordnung des Dept. N vom 15. Dez. 2009, Anhang für den Bachelorstudiengang Biotechnologie

RPO vom 29. Januar 2008, Studienordnung des Dept. N vom 15. Dez. 2009, Anhang für den Bachelorstudiengang Chemie
Modultyp   
X Pflichtmodul   Wahlpflichtmodul   Wahlmodul
Plansemester  5. Semester
Modulverantwortliche/r  Prof. Dr. Jürgen Stohner
Telefon / E-Mail  +41 (0)58 934 54 93 / juergen.stohner@zhaw.ch
Beteiligte Mitarbeitende und Lehrbeauftragte  Prof. Dr. Jürgen Stohner, externe ReferentInnen
Vorausgesetzte Module  Informatikkenntnisse im Rahmen des Bachelorstudiengangs
Zu erreichende Kompetenzen  Digitale, computergestützte Methoden sind im Fokus der Life Sciences. Mithilfe der Informatik werden Modelle für chemische oder biotechnologische Fragestellungen entwickelt und numerisch bearbeitet. Um wissenschaftliche Erkenntnisse aus Datenerhebungen zu gewinnen, ist ein kreativer Umgang mit der enormen Datenfülle unter Verwendung von Algorithmen mit Berücksichtigung statistischer Methoden erforderlich («Machine Learning»). Am Ende des Moduls sind die Studierenden in der Lage:

Auf der Basis von «Machine Learning» Computeralgorithmen basierend auf statistischen Methoden (neuronale Netzwerke, künstliche Intelligenz, Datascience, Datamining, etc.) zu verstehen, anzuwenden und kritisch einzuordnen.
Inhalt des Moduls In einem ersten Teil die Grundlagen des Machine-Learnings und der AI basierend auf Python (Py-Torch, NumPy, SciPy, etc.) eingeführt. Danach werden in einem zweiten Teil wöchentlich wechselnde Fachleute zu ausgewählten Themen aus der Praxis referieren, welche in der Chemie/Biotechnologie aktuell sind.
Anschlussmodule -
Unterrichtsmethoden  Präsenz und Online.
Digitale Lernressourcen  Kursrelevante Ressourcen werden vor Kursbeginn bekanntgegeben.
Unterrichtsgliederung / Gesamtaufwand   
 Kontaktstudium 30
 Begleitetes Selbststudium 15
 Autonomes Selbststudium 15
 Total Workload 60
Präsenzverpflichtung im Unterricht  Ja
Leistungsnachweise 
  • Abgesetzte mündliche Modulprüfung 50%
  • Erfahrungsnote 50%: schriftlicher Bericht
Unterrichtssprache  Deutsch / Englisch
Bemerkungen  -

 

Kurs: Machine Learning
Nr.
n.BA.XX.MDMML.23HS.V
Bezeichnung
Machine Learning

Hinweis

  • Für das Stichdatum 21.11.2024 ist kein Modulbeschreibungstext im System verfügbar.