Modulbeschreibung

Machine Learning (WING)

Kurzzeichen:
M_MaLe
Durchführungszeitraum:
nicht durchgeführt
ECTS-Punkte:
4
Lernziele:

Die Durchführung von Machine Learning bzw. KDD-Projekte erfordert nebst fachlichem Wissens und Programmierfähigkeiten mit Data Mining-Werkzeugen insbesondere die Fähigkeit, in einem längeren Entwicklungsprozess laufend datenbasiert Kleinstentscheide zu fällen. Iterativ erstellte Machine Learning Projekte müssen laufend auf die aktuelle Eignung des bestehenden Prototyps, die Ursache eines Programmfehlers oder die Unangemessenheit eines Feature-Engineeringentscheids, der Wahl eines Hyperparameterwerts oder der Bedeutung einer Performanzvisualisierung hin analysiert werden, um daraus einen Entscheid für das weitere Vorgehen zu treffen. 
Dieses Modul spielt mit den Studierenden einen Anwendungsfall der Stadt St.Gallen durch, um möglichst viele dieser Kleinstkompetenzen im Gesamtkontext eines KDD-Projekts zu beleuchten. Dabei liegt, ausgehend von dem Vorwissen der Studierenden, ein Schwerpunkt auf dem Erwerb von Fähigkeiten in der Nutzung von Programmier- und Softwareentwicklungswerkzeugen (Python, git, virtualenv), ein zweiter auf den konzeptionellen Themen des maschinellen Lernens (statistisches Lernen, Overfitting, Spezifika der Phasen des KDD-Prozesses).

Verantwortliche Person:
Tödtli Beat
Standort (angeboten):
St. Gallen
Zusätzlich vorausgesetzte Kenntnisse:
keine
Skriptablage:
Modultyp:
Standard-Modul für Wirtschaftsingenieurwesen STD_15(Empfohlenes Semester: 6)
Standard-Modul für Wirtschaftsingenieurwesen STD_18(Empfohlenes Semester: 6)
Standard-Modul für Wirtschaftsingenieurwesen U_18(Empfohlenes Semester: 6)
Standard-Modul für Wirtschaftsingenieurwesen STD_21(Empfohlenes Semester: 6)
Standard-Modul für Wirtschaftsingenieurwesen STD_24(Empfohlenes Semester: 6)
Bemerkungen:

Workload [h]

Vorlesung: 28

Übungen: 28

Selbststudium: 64

Total: 120

Kurse in diesem Modul