Veranstaltung
Projektpraktikum Maschinelles Lernen [SS242512500]
Typ
Praktikum (P)Präsenz/Online gemischt
Semester
SS 2024SWS
3Sprache
Deutsch/EnglischTermine
0Links
ILIASEinrichtung
- Angewandte Technisch-Kognitive Systeme
Bestandteil von
- Teilleistung Praktikum Informatik (Master) | Wirtschaftsingenieurwesen (M.Sc.)
- Teilleistung Projektpraktikum Maschinelles Lernen | Wirtschaftsingenieurwesen (M.Sc.)
- Teilleistung Praktikum Informatik (Master) | Technische Volkswirtschaftslehre (M.Sc.)
- Teilleistung Projektpraktikum Maschinelles Lernen | Technische Volkswirtschaftslehre (M.Sc.)
- Teilleistung Praktikum Informatik (Master) | Digital Economics (M.Sc.)
- Teilleistung Projektpraktikum Maschinelles Lernen | Digital Economics (M.Sc.)
- Teilleistung Praktikum Informatik (Master) | Wirtschaftsinformatik (M.Sc.)
- Teilleistung Projektpraktikum Maschinelles Lernen | Wirtschaftsinformatik (M.Sc.)
- Teilleistung Praktikum Informatik (Master) | Informationswirtschaft (M.Sc.)
- Teilleistung Projektpraktikum Maschinelles Lernen | Informationswirtschaft (M.Sc.)
- Teilleistung Praktikum Informatik (Master) | Wirtschaftsmathematik (M.Sc.)
- Teilleistung Projektpraktikum Maschinelles Lernen | Wirtschaftsmathematik (M.Sc.)
Anmerkung
Das Praktikum ist als praktische Ergänzung zu Veranstaltungen wie "Maschinelles Lernen" gedacht. Die theoretischen Grundlagen werden im Praktikum angewendet. Ziel des Praktikums ist, dass die Teilnehmer in gemeinsamer Arbeit ein Teilsystem aus dem Bereich Robotik und Kognitiven Systemen unter Verwendung eines oder mehren Verfahren aus dem Bereich KI/ML entwerfen, entwickeln und evaluieren.
Neben den wissenschaftlichen Zielen, die in der Untersuchung und Anwendung der Methoden werden auch die Aspekte projektspezifischer Teamarbeit in der Forschung (von der Spezifikation bis zur Präsentation der Ergebnisse) in diesem Praktikum erarbeitet.
Die einzelnen Projekte erfordern die Analyse der gestellten Aufgabe, Auswahl geeigneter Verfahren, Spezifikation und Implementierung und Evaluierung des Lösungsansatzes. Schließlich ist die gewählte Lösung zu dokumentieren und in einem Kurzvortrag vorzustellen.
Lernziele:
- Die Studierenden können Kenntnisse aus der Vorlesung Maschinelles Lernen auf einem ausgewählten Gebiet der aktuellen Forschung im Bereich Robotik oder kognitive Automobile praktisch anwenden.
- Die Studierenden beherrschen die Analyse und Lösung entsprechender Problemstellungen im Team.
- Die Studierenden können ihre Konzepte und Ergebnisse evaluieren, dokumentieren und präsentieren.
Empfehlungen:
Besuch der Vorlesung Maschinelles Lernen, C/C++ Kenntnisse, Python Kenntnisse
Arbeitsaufwand:
Der Arbeitsaufwand von 5 Leistungspunkten setzt sich zusammen aus Präsenzzeit am Versuchsort zur praktischen Umsetzung der gewählten Lösung, sowie der Zeit für Literaturrecherchen und Planung/Spezifikation der selektierten Lösung. Zusätzlich wird ein kurzer Bericht und eine Präsentation der durchgeführten Arbeit erstellt.