Die Informatik des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Verwaltung des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Informatik des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Mathematik des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Universität Bremen
Zeige Wirtschaftsinformatik-Format Pdf_icon Digitale Medien-Format Pdf_icon Informatik-Format Pdf_icon Systems Engineering-Format Pdf_icon

Wirtschaftsinformatik-Ansicht

Machine learning for autonomous Robots


Machine learning for autonomous Robots
Modulnummer
Bachelor
Pflicht/Wahl
Winf-Schwerpunkt-Pflicht
Winf-Schwerpunkt-Wahlpflicht
Wahl
Schwerpunkt
IT-Management
E-Business
Logistik
Computational Finance
Anzahl der SWS
V UE K S Prak. Proj.
2 0 2 0 0 0 4
Kreditpunkte : 6 Turnus

i. d. R. angeboten alle 2 Semester

Formale Voraussetzungen : -
Inhaltliche Voraussetzungen : -
Vorgesehenes Semester : ab 1. Semester
Sprache : Englisch
Ziele :
  • Grundlegende Kenntnisse überwachter und unüberwachter maschineller Lernverfahren
  • Verständnis verschiedener Metriken und Auswertungsmethoden
  • Kenntnisse der Anwendung und Anwendbarkeit von maschinellen Lernverfahren für autonome Roboter
  • Erprobung von Algorithmen des maschinellen Lernens an Problemstellungen der Robotik
  • Stärkung der Kooperations- und Teamfähigkeit durch den Übungsbetrieb in kleinen Gruppen
Inhalte :
  • Grundlagen des unüberwachten Lernens (Merkmalsgenerierung, Merkmalsauswahl, Clustering)
  • Grundlagen des überwachten Lernens (Klassifikation und Regression)
  • Metriken und Evaluationsmethoden für das maschinelle Lernen
  • Erweiterte Kenntnisse zur Support Vektor Regression und Klassifikation
  • Grundlagen des Meta-Lernens
  • Grundlagen künstlicher neuronaler Netze
  • Einführung in Deep-Learning und fortgeschrittene Techniken neuronaler Netze
  • Anwednung von Verfahren maschinellen Lernens in der Robotik und angrenzender Felder
Unterlagen (Skripte, Literatur, Programme usw.) :
  • Mitchell, T. ‚ Machine Learning‘, Mcgraw-Hill (1997)
  • Mackay, D.‚ Information Theory, Inference, and Learning Algorithms‘, Cambridge University Press (2003)
Form der Prüfung : i. d. R. Bearbeitung von Übungsaufgaben und Fachgespräch oder mündliche Prüfung
Arbeitsaufwand
Präsenz 56
Übungsbetrieb/Prüfungsvorbereitung 124
Summe 180 h
Lehrende: Prof. Dr. F. Kirchner, u.a. Verantwortlich Prof. Dr. F. Kirchner
Zurück

Zeige Wirtschaftsinformatik-Format Pdf_icon Digitale Medien-Format Pdf_icon Informatik-Format Pdf_icon Systems Engineering-Format Pdf_icon