Name | Interpretierbares Maschinelles Lernen | |||||||||||||||||||||||||
SWS | 4 | |||||||||||||||||||||||||
ECTS | 5 | |||||||||||||||||||||||||
Sprache(n) | Deutsch (Standard) Englisch |
|||||||||||||||||||||||||
Lehrform | SU mit Praktikum | |||||||||||||||||||||||||
Angebot | im Wechsel mit anderen Fächern der gleichen Fachgruppe | |||||||||||||||||||||||||
Aufwand | 30 Präsenzstunden Vorlesung, 30 Präsenzstunden Praktikum, 45 Stunden Vor-/Nachbereitung des Praktikums, 45 Stunden Nachbereitung der Vorlesung und Prüfungsvorbereitung |
|||||||||||||||||||||||||
Voraussetzungen | Grundlagen der Linearen Algebra und der Analysis wie sie z.B. in den Modulen https://zpa.cs.hm.edu/public/module/138/ bzw. https://zpa.cs.hm.edu/public/module/16/ vermittelt werden, Grundlegende Programmierkenntnisse. |
|||||||||||||||||||||||||
Ziele | Lernziele: Die Studierenden lernen verschiedene Modelltypen und passende Lernverfahren in Hinblick auf Interpretierbarkeit aus dem Bereich des maschinellen Lernen kennen und anwenden. Ziel ist das Nachvollziehen und Interpretieren von Modellen in ihrer späteren beruflichen Tätigkeit, um Entscheidungen, die auf Modellen aus dem maschinellen Lernen bestehen, abzusichern und eine höheren Akzeptanz für diese zu erzeugen. Fach- & Methodenkompetenz: Die Studierenden sind in der Lage grundlegende und komplexere Konzepte hinter White-Box Lernverfahren zu erläutern, einfachere White-Box Lernverfahren selbst zu implementieren, grundlegende und komplexere Black-Box-Modelle in verschiedenen Problemstellungen mit Hilfe moderner Frameworks anzuwenden und mit geeigneten Hilfsmitteln zu interpretieren. Außerdem sind sie in der Lage sich selbständig in weiterführende und komplexere Themengebiete einzuarbeiten. Überfachliche Kompetenz: Teamarbeit: Die Studierenden bearbeiten Problemstellungen in Kleingruppen |
|||||||||||||||||||||||||
Inhalt |
|
|||||||||||||||||||||||||
Medien und Methoden | Beamer und Programmierbeispiele in Python |
|||||||||||||||||||||||||
Literatur |
|
|||||||||||||||||||||||||
Zuordnungen Curricula |
|