Vor Beginn der Theoriephase ist ein Rechercheauftrag zu bearbeiten.
Die Studierenden lernen die Grundlagen des maschinellen Lernens sowie entsprechende Lernverfahren kennen und anzuwenden. Sie sind mit den Kategorien Supervised, Unsupervised und Reinforcement Learning vertraut und können für ein Problem ein passendes Lernverfahren bestimmen. Sie können ausgewählte Lernverfahren mithilfe von Python Bibliotheken nutzen.
Einführung in Python, Datentypen und Datenstrukturen in Python, Python Built-in Funktion und Features, Kontrollstrukturen und Schleifenverarbeitung, Objektorientierung in Python sowie Pakete für das verarbeiten von Daten und maschinelle Lernen.
Basisliteratur, zur Anschaffung empfohlen:
- Russell, S./Norvig, P.: Artificial Intelligence: A Modern Approach, Pearson.
Weiterführende Literatur:
- Mitchel, T. M.: Machine Learning, McGraw-Hill.
- Bishop, C. M.: Pattern Recognition and Machine Learning, Springer.
- Müller, A. C./Guido, S.: Introduction to Machine Learning with Python: A Guide for Data Scientists, O'Reilly.
- Géron, A.: Hands-On Machine Learning with Scikit-Learn & TensorFlow, O’Reilly.
Im Praktikum werden die Inhalte mittels Python angewandt erarbeitet.