Search

A. Kimothi, A Simple Guide to Retrieval Augmented Generation, First edition. Shelter Island, NY: Manning Publications, 2025, isbn: 978-1-63343-585-8. Adresse: https://learning.oreilly.com/library/view/ [...] Models für SPS Codegenerierung: | OTH Amberg-Weiden 27.01.2026 32 Anhang RAG Quelle: A Simple Guide to Retrieval Augmented Generation [1] Large Language Models für SPS Codegenerierung: | OTH Amberg-Weiden [...] 14209. Large Language Models für SPS Codegenerierung: | OTH Amberg-Weiden 27.01.2026 37 https://learning.oreilly.com/library/view/-/9781633435858/ https://lilianweng.github.io/posts/2023-06-23-agent/

Zusammenhang mit Energiespeicherung (Wasserstoff, Elektrolyse, Brennstoffzellen, power to gas, power to liquid, biomass to liquid, etc.), Flexibilisierung von Kraft-Wärme-Kälte-Kopplungsprozessen durch die [...] Nachbereitung Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Nachbereitung Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden

Machine Learning und Data Mining: Verständnis für die Anwendung von Machine-Learning- und Data-Mining-Techniken auf geografische Daten, einschließlich Supervised Learning, Unsupervised Learning, Deep Learning [...] Choroplethenkarten oder interaktive Dashboards. • Geodatenanalyse mit Machine Learning: Anwendung von Machine-Learning-Algorithmen auf geografische Daten zur Vorhersage von Ereignissen, Mustererkennung [...] W) 60 h Eigenstudium 30 h Prüfungsvorbereitung Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden

Machine Learning mit Scikit-Learn, Keras und TensorFlow“, O'Reilly; 2. Edition (2020) Bishop, C.M.: „Pattern Recognition and Machine Learning“, Springer (2006) Chollet, F.: „Deep Learning with Python“ [...] Seite 66 von 86 4.1.3 Machine Learning for Engineers – Einführung in Methoden und Werkzeuge Machine Learning for Engineers – Introduction to Methods ans Tools Zuordnung zum Curriculum [...] Vorgehens und verschiedener Algorithmen des Machine Learning. • Methodenkompetenz: Die Studierenden sind befähigt, verschiedene Verfahren des Machine Learnings praktisch anzugehen und die Ergebnisse zu bewerten

1890852. Ivanov, Dmitry (2024): Digital Supply Chain Management and Technology to Enhance Resilience by Building and Using End-to-End Visibility During the COVID-19 Pandemic. In: IEEE Trans. Eng. Manage. [...] Roming, Lukas; Franke, Jörg; Reitelshöfer, Sebastian (2025b): The path to a more efficient circular economy by integrating deep learning into robotic sorting system. In: Global Conference on Sustainable [...] Bernt Mayer 24 A Micro Data Approach to the Identification of Credit Crunches von Timo Wollmershäuser und Horst Rottmann 25 Strategies and possible directions to improve Technology Scouting in China

Nachbereitung Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Nachbereitung Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Nachbereitung Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden

Nachbereitung Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Nachbereitung Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Selbststudium Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden

Bernt Mayer 24 A Micro Data Approach to the Identification of Credit Crunches von Timo Wollmershäuser und Horst Rottmann 25 Strategies and possible directions to improve Technology Scouting in China [...] between democracy, economic growth, and economic resilience using panel data for 140 countries from 1975 to 2019. Based on an extended neoclassical growth model, the analysis identifies a positive and significant [...] by Blanchard and Wolfers (2000), the study shows that more democratic countries are more resilient to global and regional shocks: changes in growth re- sulting from exogenous shocks are significantly