EventoWeb
Zürcher Hochschule für Angewandte Wissenschaften
Menu Home User Menu
Not registered Login
[ German (Switzerland) German (Switzerland) ]   [ English ]
[ de de ]   [ en ]
Not registered Login
n.BA.AD.MaLe.23HS (Machine Learning) 
Module: Machine Learning
This information was generated on: 07 November 2025
No.
n.BA.AD.MaLe.23HS
Title
Machine Learning
Credits
4

Description

Version: 3.0 start 01 August 2025

 

Study Programme Applied Digital Life Sciences
Regulations Applicable RPO, 29 January 2008, School of Life Sciences and Facility Management Academic Regulations, 15 Dec. 2009, Annex for the Bachelor of Applied Digital Life Sciences degree programme
Module Type  
X Compulsory Module    Elective Module    Optional Module
Planned Semester 3rd Semester
Module Coordinator Norman Juchler
Telephone / E-Mail +41 (0)58 934 56 87 / norman.juchler@zhaw.ch
Lecturer(s),
Speaker(s),
Associate(s)
  • Norman Juchler
  • David Graber
Entrance Requirements Programmieren
Analysis und Algebra
Statistik und Wahrscheinlichkeit
Learning Outcomes and Competencies Fachliche Kompetenzen:
Die Studierenden
  • kennen die wichtigsten Ansätze des maschinellen Lernens 
  • können diese in Projekten anwenden, und
  • sind sich über die möglichen Auswirkungen von ML-Anwendungen bewusst.
Überfachliche Kompetenzen:
Die Studierenden sind in der Lage
  • Anwendungen und Resultate von Modellen für maschinelles Lernen kritisch zu evaluieren.
  • Gruppenprojekte selbständig zu organisieren und durchzuführen.
Module Content
  • Einführung und Übersicht: Was ist maschinelles Lernen?
  • Theoretische Grundlagen des maschinellen Lernens
  • Verschiedene Arten des maschinellen Lernens (überwachtes, unüberwachtes und verstärkendes Lernen)
  • Grundlegende Algorithmen für maschinelles Lernen (Regression, Klassifizierung, Clustering)
  • Durchführung von Projekten mit maschinellem Lernen
  • Auswirkungen von ML-Anwendungen (Datenschutz, Fairness und Ethische Aspekte)
  • Ausblick: Maschinelles Lernen und künstliche Intelligenz
Follow-up Modules Neural Networks
Methods of Instruction  Vorlesung, Übungen und Gruppenarbeit
Digital Resources Moodle, Programmierübungen, Lernvideos
Lesson Structure / Workload  
 Contact Hours 28
 Guided Self-Study 28
 Independent Self-Study 64
 Total Workload 120
Classroom Attendance Präsenz wird stark empfohlen, aber nicht mit Präsenzliste durchgesetzt.
Assessment
  • Erfahrungsnote (40%)
  • Abgesetzte schriftliche Modulprüfung (60%)
If there is a low number of participants, the lecturer may change the form of a repeat examination after consultation with the head of the study programme: e.g. an oral examination can be used to replace a written one. Please report any changes to the form of examinations by e-mail to pruefungsadmin.lsfm@zhaw.ch and Cc. Head of study programme.
Language of Instruction  Deutsch
Comments -

 

Note

Course: Machine Learning
No.
n.BA.AD.MaLe.23HS.V
Title
Machine Learning

Note

  • No module description is available in the system for the cut-off date of 07 November 2025.