Modulbeschreibung

Machine Learning

Kürzel:
M_ML
Durchführungszeitraum:
HS/23-HS/24
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, Lerchenfeld St.Gallen, 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. Man kann es in Buchs vor Ort besuchen oder online (es findet hybrid statt).

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

Kurse in diesem Modul