Dr. Andreas Karwath
Blended learning inkl. tutorieller Betreuung (Vorlesung mit Übung)
Jedes Wintersemester
Deutsch oder englisch
Eines zweier verpflichtend zu belegender Basismodule zur Vorbereitung auf die Vertiefungsrichtungen.
Grundkenntnisse im Bereich Algorithmen und Datenstrukturen
Im Rahmen des Studiengangs IEMS:
Die Studierenden sind in der Lage, Methoden zur Entwicklung von lernfähigen Systemen anhand konkreter Problemstellungen anzuwenden. Sie sind in der Lage mit unsicheren Daten umzugehen und diese korrekt zu interpretieren.
Die Studierenden kennen die Konzepte der verschiedenen Lernverfahren und können diese in der Praxis anwenden.
Sie sind in der Lage, erfasste Daten mit Methoden des maschinellen Lernens mittels eingebetteter Systeme zu analysieren und zu verarbeiten.
Ziel des Maschinellen Lernens ist die Entwicklung von Methoden zur Realisierung lernfähiger technischer Systeme.
Die Veranstaltung behandelt neuartige Lernalgorithmen für Roboter und andere Agenten, sowie die Einsatzmöglichkeiten dieser Algorithmen bei eingebetteten Systemen. Es werden verschiedene Lernverfahren sowie der korrekte Umgang mit unsicheren Informationen in Theorie und Praxis besprochen. Im Gegensatz zum direkten Einsatz von Sensorik und Aktorik zum Auslösen wohldefinierter Aktionen auf Umgebungszustände wird hier der Fokus auf Entscheidungen unter Unsicherheit sowie das eigenständige Auswählen geeigneter Problemlösungsstrategien gelegt. Anwendungen reichen von herausfordernden Steuerungsproblemen bis hin zur Datenanalyse und der Sprachverarbeitung.
mündlich oder schriftlich
Machine Learning, Tom Mitchell, McGraw Hill, 1997
