h
Übungsleistungen: 70 h
Gesamtaufwand: 150 h
Lernziele / Qualifikationen des Moduls
Learning Outcomes
Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Klausurvorbereitung: 30 h
Gesamtaufwand: 150 h
Lernziele / Qualifikationen des Moduls
Learning Outcomes
Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Klausurvorbereitung: 30 h
Gesamtaufwand: 150 h
Lernziele / Qualifikationen des Moduls
Learning Outcomes
Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden
/Pipher, J./Silverman, J. H. (2014): An Introduction to Mathematical Cryptography, 2. Auflage, Springer
· Katz, J./Lindell, Y. (2015): Introduction to Modern Cryptography, 2. Auflage, CRC Press
· Lipton [...] Synthese gesprochener Sprache (text-to-speech)
· Sprachdialogsysteme
· Textanalyse, Dokumentanalyse, OCR
· Clustering/Klassifikation
· Neuronale Netze und Deep Learning
Lehrmaterial/Literatur
Teaching [...]
Vor-/Nachbereitung: 45 h
PrA: 45 h
Gesamt: 150 h
Lernziele/Qualifikationen des Moduls
Learning Outcomes
Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden
über die folgenden
/Pipher, J./Silverman, J. H. (2014): An Introduction to Mathematical Cryptography, 2. Auflage, Springer
· Katz, J./Lindell, Y. (2015): Introduction to Modern Cryptography, 2. Auflage, CRC Press
· Lipton [...] Synthese gesprochener Sprache (text-to-speech)
· Sprachdialogsysteme
· Textanalyse, Dokumentanalyse, OCR
· Clustering/Klassifikation
· Neuronale Netze und Deep Learning
Lehrmaterial/Literatur
Teaching [...]
Vor-/Nachbereitung: 45 h
PrA: 45 h
Gesamt: 150 h
Lernziele/Qualifikationen des Moduls
Learning Outcomes
Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden
über die folgenden
true
Author Andrea Bäuml
producer Microsoft: Print To PDF
access_permission:can_modify true
pdf:docinfo:producer Microsoft: Print To PDF
pdf:docinfo:created 2025-01-17T10:56:59Z
ME_Pr [...] hweis
ME Innovationsmanagement Steinhauser semesterbegleitender Leistungsnachweis
ME Machine Learning for Engineers Götz semesterbegleitender Leistungsnachweis
ME Maschinelles Sehen und Mustererkennung
Practical Machine Learning Tools and Techniques, Morgan Kaufmann, 2018.
A. Géron: Hands-on Machine Learning with Scikit-Learn, Keras and Tensor Flow, O’Reilly, 2019.
S. Raschka: Machine Learning mit Python [...] Verfahren des Supervised und des Unsupervised Learning
• Implementierung und Anwendung von Machine Learning-Methoden in einer Software-Bibliothek (z.B. Scikit-learn)
Lehrmaterial / Literatur
Teaching [...] TensorFlow 2 und Scikit-learn: das Praxis-Handbuch für Data Science, Deep Learning und
Predictive Analytics, mitp-Verlag, 2021.
C. M. Bishop: Pattern Recognition and Machine Learning, Springer Verlag, 2016
have to take in your current semester.
• In order not to miss important information and deadlines, please subscribe to the newsletter on the noticeboard.
• Please note that in addition to the [...] Office Expert
MS-O-Group 1
EDV 106
Löbus
How to Study Successfully
118
Löbus
How to Study Successfully
118
Löbus
How to Create a St
HSG 001
Rahman
MS Office Expert
[...] ral Competence Germany
& Austria & Switzerland
DACH-Group 2
DBC 0.01
Fischer
Introduction to Management
HSG 001
Sauer
Basic HR
HSG 001
Sauer
Basic HR
HSG 001
Seite 1
Examination inspection: to be announced
4. Please note:
- You will not receive a grade without exam registration during the examination registration in Primuss!
This also applies to repeat examinations [...] the semester.
- Anyone who notices overlaps in examinations to be taken must report this immediately, at the latest by 17.12.2024 to Ms. Trottmann (f.trottmann@oth-aw.de)
- In individual cases, [...] Management IMS/DEI Übungsleistung Fischer
MS Office Experts IB/IMS Übungsleistung Jawadur Rahman
Service Learning IMS Projektarbeit Ranisch
Social Entrepreneurship & Sustainable Innovation IMS Präsentation Löbus
des Workload
According to § 8 para. 1 sentence 3 BayStudAkkV, the following applies: One credit point is based on a
workload of 25 to 30 hours.
To calculate the workload, a distinction [...] preparation and follow-up of the learning material
• Exam preparation = hours spent preparing for an examination event
• Examination workload = hours required to complete the examination
• [...] university must be
submitted to the Students` Office after enrollment at OTH. Subsequently, the respective lecturers will check
whether the subjects already taken correspond to the requirements of our subjects
time to learn to be an algorithmic thinker yourself. Try the problem on
your own ”, “Learn the basics of programming without GenAI.”
▪ Rarely use GenAI
▪ Use GenAI, but rarely, e. g., “learn to work [...] biblatex: biber anstatt bibtex)
▪ Webartikel "What to do to switch to biblatex?"
https://tex.stackexchange.com/questions/5091/what-to-do-to-switch-to-biblatex
@software{hadoop,
author = {{Apache [...] https://tex.stackexchange.com/questions/5091/what-to-do-to-switch-to-biblatex https://tex.stackexchange.com/questions/5091/what-to-do-to-switch-to-biblatex
page
Handwerklich schlechtes Lite
L
Labor laboratory/ lab
Laborordnung laboratory regulations
Lernportfolio Learning Portfolio
M
Medienproduktion und Medientechnik Media Production and Media Technology [...] Practical Exam
Präsident president
Präsentation presentation
Präsenzveranstaltung face-to-face class
page
Praxisphase internship phase
Professor professor
Projektarbeit [...] Prüfungsordnung examination regulations
Prüfungsunfähigkeitsbescheinigung certificate of inability to take exams
R
Regelstudienzeit standard period of study
Rückmeldung reregistration
L
Labor laboratory/ lab
Laborordnung laboratory regulations
Lernportfolio Learning Portfolio
M
Medienproduktion und Medientechnik Media Production and Media Technology [...] atik Media Informatics
page
Präsentation presentation
Präsenzveranstaltung face-to-face class
Praxisphase internship phase
Professor professor
Projektarbeit Project [...] Prüfungsordnung examination regulations
Prüfungsunfähigkeitsbescheinigung certificate of inability to take exams
R
Regelstudienzeit standard period of study
Rückmeldung reregistration
(Umfang von ¼ bis ½ Seite ausreichend | Lengh of ¼ to ½ page sufficent)
Bezug zur Nachhaltigkeit | Relevance to Sustainability:
___________________________________ [...] die Arbeiten der drei Module stattfinden. 4Die Projektarbeiten
sowie die Masterarbeit sind im Learning Agreement (Teil 2 des Protokolls zum Eignungsfeststellungs-
verfahren, s. Anlage 2) zu beschreiben [...] 2 Master Thesis Seminar 5 Sem Präs
Summe ECTS / SWS 90 52
1) Diese Module sind im Learning Agreement (Teil 2 des Protokolls zum Eignungsfeststellungsverfahren, s. Anlage 2) festzulegen.
t: 60 h
Eigenstudium: 90 h
Gesamtaufwand: 150 h
Lernziele / Qualifikationen des Moduls
Learning Outcomes
Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] t: 60 h
Eigenstudium: 90 h
Gesamtaufwand: 150 h
Lernziele / Qualifikationen des Moduls
Learning Outcomes
Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] t: 60 h
Eigenstudium: 90 h
Gesamtaufwand: 150 h
Lernziele / Qualifikationen des Moduls
Learning Outcomes
Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden
Environmental Engineering
There is no entitlement to all compulsory elective modules and elective modules being offered. Similarly, there is no entitlement to courses being offered if the number of participants [...] Technology 5 4
3.2.2 Digital Signal Processing 5 4
3.2.3 PLC-Programming 5 4
3.2.4 Machine Learning 5 4
3.2.5 Energy Conversion in Power/Working Machines 5 4
3.2.6 Smart Grids 5 4
3.3.1 Rheology
Environmental Engineering
There is no entitlement to all compulsory elective modules and elective modules being offered. Similarly, there is no entitlement to courses being offered if the number of participants [...] Technology 5 4
3.2.2 Digital Signal Processing 5 4
3.2.3 PLC-Programming 5 4
3.2.4 Machine Learning 5 4
3.2.5 Energy Conversion in Power/Working Machines 5 4
3.2.6 Smart Grids 5 4
3.3.1 Rheology
Definitive Guide to ARM Cortex-M3 and Cortex-M4 Processors, Newnes, 2013
D. W. Lewis: Fundamentals of Embedded Software with the ARM Cortex-M3, Pearson, 2012
M. Trevor: The Designer’s Guide to the Cortex-M [...] -
bereitung Präsenzstudium, Prüfungs-
vorbereitung)
Lernziele / Qualifikationen des Moduls
Learning Outcomes
Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Selbststudium: 120 h
Prüfungsvorbereitung: 60 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 [...] Selbststudium
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 = 60 h
= 90 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 [...] Choroplethenkarten oder interaktive Dashboards.
• Geodatenanalyse mit Machine Learning: Anwendung von Machine-Learning-Algorithmen auf geografische Daten zur Vorhersage von
Ereignissen, Mustererkennung [...] 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 [...] verschiedener Algorithmen des
Machine Learning.
• Methodenkompetenz:
Die Studierenden sind befähigt, verschiedene Verfahren des Machine Learnings praktisch anzugehen und die Ergebnisse zu
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 85
4.1.3 Machine Learning for Engineers – Einführung in Methoden und Werkzeuge
Machine Learning for Engineers – Introduction to Methods ans Tools
Zuordnung zum
Curriculum [...] und verschiedener Algorithmen des
Machine Learning.
• Methodenkompetenz:
Die Studierenden sind befähigt, verschiedene Verfahren des Machine Learnings praktisch anzugehen und die Ergebnisse zu
Prüfungsvorbereitung: 30 h
Gesamtaufwand: 150 h
Lernziele / Qualifikationen des Moduls
Learning Outcomes
Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] 60 h
Prüfungsvorbereitung: 30 h
Gesamtzeit: 150 h
Lernziele / Qualifikationen des Moduls
Learning Outcomes
Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Prüfungsvorbereitung: 30 h
Gesamtaufwand: 150 h
Lernziele / Qualifikationen des Moduls
Learning Outcomes
Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden
true
Author Thomas Niehoff
producer Microsoft: Print To PDF
access_permission:can_modify true
pdf:docinfo:producer Microsoft: Print To PDF
pdf:docinfo:created 2024-11-28T07:55:31Z
Microsoft [...] PDFParser
creator Thomas Niehoff
meta:author Thomas Niehoff
pdf:producer Microsoft: Print To PDF
meta:creation-date 2024-11-28T07:55:31Z
created 2024-11-28T07:55:31Z
access_permissio [...] of Intent für Projektantrag
Keine Projektbeteiligung
OTH Regensburg
Förderprojekt LEAP Learning Poses
Bildverarbeitung
2018-
2021
50 % Gemeinsamer Mitarbeiter
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
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
3) Both the use of a card and access to
cash are usually linked to holding a current account. It therefore makes sense to allocate the costs of a current
account to both "cash access" and "card payments" [...] Against this background, it is not advisable to transfer the results of a study to other
countries (see e.g. Álvez et al., 2020) or to extrapolate the results to a larger group of countries,
such as [...] withdrawal at
an ATM shows. It initially seems plausible to determine the time it takes to get to the ATM and
then assign a price to this in terms of opportunity costs ("Approach 1"). Many studies