EventoWeb
Zürcher Hochschule für Angewandte Wissenschaften
[
German (Switzerland)
German (Switzerland)
] [
English
English
]
Not registered
[home]
[Login]
[Print]
Navigation
Kontakt zu Service Desk
Online-Dokumentation
Allgemeiner Zugriff
Module suchen
n.BA.AD.MaLe.23HS (Machine Learning)
Module: Machine Learning
This information was generated on: 12 May 2024
No.
n.BA.AD.MaLe.23HS
Title
Machine Learning
Credits
4
Description
Version: 1.0 start 01 August 2023
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
Claus Horn
Telephone / E-Mail
+41 (0)58 934 51 47 /
claus.horn@zhaw.ch
Lecturer(s),
Speaker(s),
Associate(s)
Claus Horn
Wissenschaftliche Mitarbeitende des ICLS
Entrance Requirements
Programmieren
Analysis und Algebra
Statistik und Wahrscheinlichkeit
Learning Outcomes and Competencies
Fachliche Kompetenzen:
Die Studierenden
kennen die wesentlichen 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 100% bestehend aus:
40% Semesterprüfungen
60% Projektarbeit (Als Gruppenarbeit)
Language of Instruction
Deutsch (Die Unterlagen sind überwiegend auf Englisch)
Comments
-
Note
Additional available versions:
2.0 start 01 August 2024
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 12 May 2024.