Search

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

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

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

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

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

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

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

ce): The students are able to combine knowledge and skills from the basic modules to derive and develop new solutions. The have the competence to discuss issues related to energy storage in interdisciplinary [...] Psychological Association. The Official Guide to APA Style (7th Ed.) Washington. Carlson, K. A. & Winquist, J. R. (2017). An Introduction to Statistics. An Active Learning Approach. SAGE. Creswell, J. W. & Plano [...] Ability to recognise legal problems in energy/environmental law, identification of the most important applicable regulations Independent application of regulations relevant to practice Ability to identify

II, III (Representation Learning, Transfer Learning, Distillation Learning, Contrastive Learning, Self-Supervised Learning, Active Learning, Causal Learning, N-Shot Learning, Weak Supervision) • Kapitel [...] Practical Machine Learning Tools and Techniques, Morgan Kaufmann, 2018. A. Géron: Hands-on Machine Learning with Scikit-Learn, Keras and Tensor Flow, O’Reilly, 2018 Raschka: Machine Learning mit Python: das [...] 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 (z.B. XAI, Embedded AI, semi-/self-supervised learning, active learning, federated learning, contrastive learning, transfer learning, DL für Audiosignale) Lehrmaterial / Literatur Teaching [...] Practical Machine Learning Tools and Techniques, Morgan Kaufmann, 2018. A. Géron: Hands-on Machine Learning with Scikit-Learn, Keras and Tensor Flow, O’Reilly, 2018 Raschka: Machine Learning mit Python: das [...] 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

Self-Competence): Students are able to continuously expand their expertise in the field of deep learning by engaging with current scientific literature and to remain up to date in this dynamic area of research [...] 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, [...] practical machine learning tools and techniques, Morgan Kaufmann, 2018. A. Géron: Hands-on Machine Learning with Scikit-Learn, Keras and Tensor Flow, O'Reilly, 2018. Raschka: Machine Learning with Python:

neural networks and deep learning methods. • Methodological competence: Students will be able to implement selected deep learning methods based on software libraries, apply them to given data sets, and [...] Machine Learning with Scikit-Learn, Keras and Tensor Flow, O'Reilly, 2018. Raschka: Machine Learning with Python: the practical handbook for Data Science, Predictive Analytics and Deep Learning, mitp-Verlag [...] ability to abstract. Students learn a confident approach to modern database applications and infrastructures. • Personal competence (social competence and self-competence): Students will be able to model

Berechnung 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 [...] the 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 • Internships [...] 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

Teaching, Inverted Classroom, Peer Instruction, Collaborative Learning, Problem Based Learning, Learning on Demand, Micro-Learning) 3. Blended-Learning: Modelle, Vor- und Nachteile, Best-Practice Beispiele 4 [...] (2018). Handbuch E-Learning: Lehren und Lernen mit digitalen Medien. UTB. Arshavskiy, M. (2017). Instructional Design for eLearning: Essential guide for designing successful eLearning courses. CreateSpace [...] Dirksen, J. (2016). Design for How People Learn. New Riders. eLearning Industry Inc, https://elearningindustry.com. Zuletzt geprüft am 11.08.2020. eLearning Journal Online, https://www.elearning-journal

Inverted Classroom, Peer Instruction, Collaborative Learning, Problem Based Learning, Learning on Demand, Micro-Learning) 3. Blended-Learning: Modelle, Vor- und Nachteile, Best-Practice Beispiele [...] (2018). Handbuch E-Learning: Lehren und Lernen mit digitalen Medien. UTB. Arshavskiy, M. (2017). Instructional Design for eLearning: Essential guide for designing successful eLearning courses. CreateSpace [...] Dirksen, J. (2016). Design for How People Learn. New Riders. eLearning Industry Inc, https://elearningindustry.com. Zuletzt geprüft am 11.08.2020. eLearning Journal Online, https://www.elearning-journal

Teaching, Inverted Classroom, Peer Instruction, Collaborative Learning, Problem Based Learning, Learning on Demand, Micro-Learning) 3. Blended-Learning: Modelle, Vor- und Nachteile, Best-Practice Beispiele 4 [...] (2018). Handbuch E-Learning: Lehren und Lernen mit digitalen Medien. UTB. Arshavskiy, M. (2017). Instructional Design for eLearning: Essential guide for designing successful eLearning courses. CreateSpace [...] Dirksen, J. (2016). Design for How People Learn. New Riders. eLearning Industry Inc, https://elearningindustry.com. Zuletzt geprüft am 11.08.2020. eLearning Journal Online, https://www.elearning-journal

Practical Machine Learning Tools and Techniques, Morgan Kaufmann, 2018. A. Géron: Hands-on Machine Learning with Scikit-Learn, Keras and Tensor Flow, O’Reilly, 2018 Raschka: Machine Learning mit Python: das [...] Regularisierung) • Grundlegende Verfahren des Supervised Learning • Grundlegende Verfahren des Unsupervised Learning • Data Preprocessing • Machine Learning in Python Lehrmaterial / Literatur Teaching [...] ggf. auch einen Hinweis auf ein Bonussystem führen Machine Learning Machine Learning Zuordnung zum Curriculum Classification Modul-ID Module ID Art des Moduls Kind

students will be able to  understand, categorize and analyze cultures according to chosen cultural dimensions and taxonomies  understand, judge the benefit of different tools used to train personnel [...] solutions to deal with conflict in managing intercultural groups  analyze and adapt own behavior in intercultural situations as well as to evaluate behavior of others and advise them appropriately to be [...] assimilators and critical incidents are investigated in their use to teach cul- tural awareness. Students are given the opportunity to use these tools in both theoretical and practical exercises. Additionally

students will be able to • understand, categorize and analyze cultures according to chosen cultural dimensions and taxonomies • understand, judge the benefit of different tools used to train personnel [...] solutions to deal with conflict in managing intercultural groups • analyze and adapt own behavior in intercultural situations as well as to evaluate behavior of others and advise them appropriately to be [...] assimilators and critical incidents are investigated in their use to teach cul- tural awareness. Students are given the opportunity to use these tools in both theoretical and practical exercises. Additionally

Weitere Literatur und Informationen werden in der Vorlesung oder im Lernmanagementsystem „meet-to-learn“ bekannt gegeben. Modulhandbuch für den Masterstudiengang Seite 5 Interkulturelles U [...] Weitere Informationen (z.B. Literatur) werden in der Vorlesung oder im Lernmanagementsystem „meet-to-learn“ bekannt gegeben. Modulhandbuch für den Masterstudiengang Seite 6 Interkulturelles U [...] nen (z.B. Literatur) werden in der Vorlesung, in den Handouts oder im Lernmanagementsystem „meet-to- learn“ bekannt gegeben. Modulhandbuch für den Masterstudiengang Seite 10 Interkulturelles

achievements of previous studies can only be credited if the learning outcome can be attributed to a Master level or corresponds to the learning outcome of a module in the OTH Master's degree programme. [...] Berechnung 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 [...] 3.4 Master´s-Degree and Service Learning Masterabschluss und Service Learning ID Name 02003 Colloquium 00850 Master´s Thesis 00851 Service Learning 8 4 Virtual University

/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 [...] h 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

J., Osborn, D., Murphy, P. & Edwards, A. (2017). The Cool Stuff in Premiere Pro: Learn advanced editing techniques to dramatically speed up your workflow (2nd ed.). Apress. doi: 10.1007/978-1-4842-2890-6 [...] /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

eigenverantwortliches Werken (Projektarbeit unter Nutzung des Hochschul- Lernmanagementsystem meet-to-learn.de) Art der Prüfung (Studienarbeit, Klausur, Leistungsnachweise) schriftliche Prüfung 60 [...] zu durchlaufen. Von der Ideenfindung, Storyboard, der Medienwahl, über Briefings, Pre-production-Meetings, in denen Inhalte und Ideen überprüft werden. Die Diskussion in der Gruppe über den aktuellen [...] Usability Day V, 11. Mai 2007, 3. Lengerich [u.a.], Pabst Science Publ., 2007 4. Bousquet, Michele: How to cheat in 3ds Max 2009, Amsterdam, Focal Press/Elsevier, 2008 5. Wendt, Volker: 3ds Max 9 Workshops

science and the machine learning domain • Understanding some of the most widely used machine learning methods • Being able to implement a machine learning pipeline in order to solve real world problems [...] Voraussetzungen* Prerequisites This course is an introduction to ML. There is no need to have any prior knowledge about machine learning *Hinweis: Beachten Sie auch die Voraussetzungen nach Prüf [...] limited to linear regression and classification, Support vector machines and Deep neural networks. 3) Introduction to Python programming for data science. 4) Applying machine learning models on