Modulbeschreibung

Machine Learning

Kürzel:
M_ML
Durchführungszeitraum:
HS/21
ECTS-Credits:
2
Arbeitsaufwand:
60
Lernziele:

Die Studierenden

  • können Machine Learning Verfahren kategorisieren und diese jeweils entsprechenden Problemstellungen zuweisen.
  • können für einen gegebenen Datensatz Merkmale extrahieren, auswählen und vorbearbeiten.
  • können ein geeignetes ML-Verfahren auswählen und trainieren.
  • können ein erlerntes ML-Verfahren anhand von Test- und Validierungsdatensätzen quantitativ bewerten.
  • können ML-Verfahren unter Verwendung von Python und geeigneten Bibliotheken (scikit-learn, pandas, tensorflow) entwickeln.
  • können Machine Learning Projekte end-to-end planen, durchführen und dokumentieren (z.B. mit Jupyter Notebooks).
Verantwortliche Person:
Prof. Dr. Würsch Christoph
Telefon/EMail:
+41 58 257 3452
/ christoph.wuersch@ost.ch
Standort (angeboten):
Buchs, Waldau St.Gallen
Fachbereiche:
Mathematik
Empfohlene Module:
Vorausgesetzte Module:
Zusätzlich vorausgesetzte Kenntnisse:

Ebenfalls vorausgesetzt sind die beiden Module Elektrotechnik & Lineare Algebra I und Elektrotechnik & Lineare Algebra II.

Skriptablage:
Modultyp:
Standard-Modul für Systemtechnik BB STD_05(Empfohlenes Semester: 5)
Standard-Modul für Systemtechnik VZ STD_05(Empfohlenes Semester: 5)
Bemerkungen:

Das Modul findet im Herbstsemester statt.

Das Modul kann nicht von Studierden der Vertiefung Computational Engineering besucht werden.

Kurse in diesem Modul