Machine Learning und KI mit Python
Prof. Dr. Markus Goldhacker
(Fakultät Machinenbau und RSDS)

Worum geht es im Kurs Machine Learning und KI mit Python?
Machine Learning und Künstliche Intelligenz werden in diesem Seminar interdisziplinär und anwendungsorientiert vermittelt. Beginnend mit einer Einführung in Machine Learning, werden Modelle des Supervised und Unsupervised Learnings erarbeitet und an Beispielen, Übungsaufgaben und Mini-Projekten je mit realem Bezug mittels der Programmiersprache Python eingeübt. Teilnehmer haben die Möglichkeit Machine Learning & KI sowohl im facheigenen, als auch fachfremden Kontext kennenzulernen und zu vertiefen. In Python kann sich in den ersten Wochen der Veranstaltung mittels Tutorials eingearbeitet werden und weiteres Python-Wissen wird on-the-fly parallel zu den inhaltlichen Themen vermittelt.
Konkrete Inhalte:
- Einführung in Machine Learning: Was sind die grundlegenden Konzepte des Machine Learning? Wie lernen Algorithmen? Wie können Modelle etwas vorhersagen? Wie können Algorithmen Strukturen und Muster in Daten erkennen? Was ist Supervised und Unsupervised Learning?
- Wie sehen Machine Learning & KI Use Cases in der Praxis aus? Aufgaben und Beispiele werden anhand realer Daten erarbeitet
- Konkrete Algorithmen: Supervised Learning Modelle – Vorhersagen treffen – z.B. mittels Neuronaler Netze, Support Vector Machines, Random Forest; Unsupervised Learning Modelle – Struktur in Daten entdecken – z.B. mittels Clustering, PCA
- Evaluation und Validierung – das optimale Modell auswählen: z.B. Cross Validation, Confusion Matrix
- Edge- und Cloud-Machine-Learning: wie bringt man Machine Learning Modelle in die Produktion?
- Konzeptueller Hintergrund CRISP-DM: Fokus auf die Bereiche Modeling, Evaluation und Deployment
- Unser Arbeitsmedium ist die Programmiersprache Python und JupyterLab/JupyterNotebook
Dieses Seminar ist Teil der Veranstaltungsreihe „Data Science mit Python“, „Machine Learning & KI mit Python“ und „Data Science & IoT Projects: Train your own Machine Learning Model“ der Regensburg School of Digital Sciences (RSDS). Jede dieser Veranstaltungen kann unabhängig voneinander besucht werden. In jeder dieser Veranstaltungen werden Themen vermittelt, die sich ergänzen.
Für wen?
Angeboten in folgenden Studiengängen
Wahlpflichtbereich der Studiengänge BW, EB
Wahlpflichtbereich Studiengang UIS
Wahlpflicht bereich Studiengang BE
Dieser Kurs ist NICHT geöffnet.
Anmeldung, Termine, ELO-Link
Organisatorisches
-
Anmeldung
Studierende der Fakultäten EI udn M nutzen bitte die für ihre Fakultät üblichen Anmeldeprozesse bei Wahlpflichtfächern.
Die RSDS-Kurse finden Sie unter Kurse > Kursmodule > RSDS oder Kurskategorien > RSDS-Wahlfach
How-To: Kurs- und Prüfungsanmeldung
Weitere Informationen zu Kurs- und Prüfungsanmeldeprozessen der RSDS finden Sie hier!
-
Informationen folgen in Kürze
-
-
Die Modulbeschreibung zum Kurs finden Sie rechts im Bereich "Downloads" auf dieser Seite.