Search

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

Scikit-learn Lehrmaterial / Literatur Teaching Material / Reading C. M. Bishop: Pattern Recognition and Machine Learning, Springer Verlag, 2016 A. Géron: Hands-on Machine Learning with Scikit-Learn, Keras [...] and Machine Learning, Springer, 2006. F. Chollet: Deep Learning with Python, Manning, 2018. (deutsche Version bei mitp Professional, 2018) A. Géron: Hands-On Machine Learning with Scikit-Learn, Keras, and [...] Verfahren des Supervised Learning (z.B. baumbasierte Ansätze, SVM, Ensemble-Methoden)  Grundlegende Verfahren des Unsupervised Learning (z.B. PCA, k-means Clustering)  Machine Learning in Python mit der Bibliothek

individual learning agreement • Methodological competence: Apply and transfer skills and knowledge acquired during studies to new problems, application of project management: ability to plan, implement [...] individual learning agreement • Methodological competence: Apply and transfer skills and knowledge acquired during studies to new problems, application of project management: ability to plan, implement [...] individual learning agreement • Methodological competence: Apply and transfer skills and knowledge acquired during studies to new problems, application of project management: ability to plan, implement

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

Foliensätze, eLearning-Elemente, Scrum-Projekt 150 h, davon Präsenzzeit: 60 h (4 SWS * 15 Vorlesungswochen) Selbststudium/Projektarbeit: 90 h Lernziele / Qualifikationen des Moduls Learning Outcomes [...] 150h, davon Präsenz: 60 h (4 SWS) Eigenstudium: 90 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] davon Präsenz: 60 h (4 SWS) Eigenstudium: 90 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden

Raschka, S., Liu, Y. H., & Mirjalili, V. (2022). Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python. Packt Publishing Ltd. • Goodfellow, I [...] lineare Regression mit scikit-learn • Einführung in Deep Learning - Grundprinzipien neuronaler Netze (Feedforward, Training, Overfitting) - Erstellung einfacher Deep-Learning-Modelle mit Keras oder PyTorch [...] Material / Reading • Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, tools, and techniques to build intelligent systems. " O'Reilly Media, Inc.". • Raschka

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

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 [...] 15) Selbststudium: 90 h Prüfungsvorbereitung: 60 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden

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: 90 h Prüfungsvorbereitung: 60 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden

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 [...] (Vor-/Nach- 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

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

Zusammenhang mit Energiespeicherung (Wasserstoff, Elektrolyse, Brennstoffzellen, power to gas, power to liquid, biomass to liquid, CARNOT-Batterie, adiabate Druckluft etc.), Flexibilisierung von Kraft-Wär [...] 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

Géron, A.: „Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow“, O’Reilly; 2. Edition (2020) • Bishop, C.M.: „Pattern Recognition and Machine Learning“, Springer (2006) Aktuelle L [...] Zusammenhang mit Energiespeicherung (Wasserstoff, Elektrolyse, Brennstoffzellen, power to gas, power to liquid, biomass to liquid, etc.), Flexibilisierung von Kraft-Wärme-Kälte-Kopplungsprozessen durch die [...] conditions - Methods for solving the flow equations - Introduction to turbulence modeling - Methods for meshing - Applications to sample problems with commercial or open software The contents

= 15 h Prüfungsvorbereitung = 45 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] = 15 h Prüfungsvorbereitung = 45 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] = 105 h Prüfungsvorbereitung = 60 h = 270 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden

Géron, A.: „Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow“, O’Reilly; 2. Edition (2020) • Bishop, C.M.: „Pattern Recognition and Machine Learning“, Springer (2006) Aktuelle L [...] conditions - Methods for solving the flow equations - Introduction to turbulence modeling - Methods for meshing - Applications to sample problems with commercial or open software The contents [...] it is the case, e.g., for container vessels, to very small devices like cooling circuits of microprocessors. Thus, the content is applicable everywhere to many fields. Modulprüfung (ggf. Hinweis zu

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

= 15 h Prüfungsvorbereitung = 45 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] = 15 h Prüfungsvorbereitung = 45 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] = 105 h Prüfungsvorbereitung = 60 h = 270 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

Informationen Weitere Literatur und Informationen werden im Unterricht oder im Lernmanagementsystem „meet-to-learn“ bekannt gegeben. Modulhandbuch für den Bachelorstudiengang Medizintechnik an der O [...] Weitere Informationen und Literaturangaben werden in der Vor- lesung und im Lernmanagementsystem „meet-to-learn“ bekannt gegeben. Modulhandbuch für den Bachelorstudiengang Medizintechnik an der Os [...] Teubner Verlag Weitere Informationen werden in der Vorlesung oder im Lernma- nagementsystem „meet-to-learn“ bekannt gegeben. Modulhandbuch für den Bachelorstudiengang Medizintechnik an der O

mpfehlungen: • S. Kevin Zhou et al.: Deep Learning for Medical Image Analysis, Academic Press, 2017 • I. Goodfellow, Y. Bengio, A. Courville: Deep Learning, MIT Press, 2016 (http://www.deeplearningbook [...] Kontaktzeit: 90 h Eigenstudium: 60 h Gesamtaufwand: 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Kontaktzeit: 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

Filmmaker’s Eye: Learning (and Breaking) the Rules of Cinematic Composition. Focal Press, New York · Riley, C. (2009): The Hollywood Standard. The Complete and Authoritative Guide to Script Format and [...] Vor-/Nachbereitung: 130 h Prüfungsvorbereitung: 50 h Gesamt: 300 h Lernziele/Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Vor-/Nachbereitung: 150 h Prüfungsvorbereitung: 30 h Gesamt: 300 h Lernziele/Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden

Filmmaker’s Eye: Learning (and Breaking) the Rules of Cinematic Composition. Focal Press, New York · Riley, C. (2009): The Hollywood Standard. The Complete and Authoritative Guide to Script Format and [...] E.R. (2017): Computer Vision: Principles, Algorithms, Applications, Learning. Academic Press · Eck, D.J. (2018): Introduction to Computer Graphics. Online-Ressource · Eckardt, M. (2016): Cinema 4D 18 [...] source · Goodfellow, I., Bengio, Y., & Courville, A. (2016): Deep Learning. MIT Press · Kaehler, A. & Bradski, G. (2016): Learning OpenCV 3: Computer Vision in C++ with the OpenCV Library. O'Reilly Media

Filmmaker’s Eye: Learning (and Breaking) the Rules of Cinematic Composition. Focal Press, New York · Riley, C. (2009): The Hollywood Standard. The Complete and Authoritative Guide to Script Format and [...] E.R. (2017): Computer Vision: Principles, Algorithms, Applications, Learning. Academic Press · Eck, D.J. (2018): Introduction to Computer Graphics. Online-Ressource · Eckardt, M. (2016): Cinema 4D 18 [...] source · Goodfellow, I., Bengio, Y., & Courville, A. (2016): Deep Learning. MIT Press · Kaehler, A. & Bradski, G. (2016): Learning OpenCV 3: Computer Vision in C++ with the OpenCV Library. O'Reilly Media

Rollen, Artefakte und Meetings in ei- nem Scrum-Projekt und sind in der Lage, diese Rollen auszufüllen bzw. Artefakte zu erstellen und konstruktiv und zielführend sich in Meetings zu verhalten.  sind [...] Yiu, j.: The Definite Guide to ARM Cotex M3., Newnes Lewis, D. W.: Fundamentals of Embedded Software with the ARM Cortex M3, Pearson Trevor, M.: The Designer‘s Guide to the Cortex-M Processor Family [...] e schreiben und einen Lebenslauf verfassen.  kennen Standardsätze für Diskussionen (z. B. in Meetings), Telefonie- ren und Präsentieren.  können technische Komponenten anhand von Beschreibungen identi-

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 [...] Kontaktstudium: 60 h (4 SWS) Eigenstudium: 90 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Nachbereitung des Präsenzunterrichts und Projektarbeit) Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden