64-234 Übung Data-driven Intelligent Systems

Lehrende: Dr. Cornelius Andreas Stefan Weber

Veranstaltungsart: Übung

Anzeige im Stundenplan: DAIS-Üb

Semesterwochenstunden: 2

Unterrichtssprache: Deutsch / Englisch

Min. | Max. Teilnehmerzahl: - | 100

Weitere Informationen:
Dear Students, due to the coronavirus the seminar will NOT be held on campus; please
ignore the given room numbers.

Seminar material will be provided online. Please check this STiNE page after Monday 20.
April for further announcements.

Kommentare/ Inhalte:
Die praktische Übung findet begleitend zur Vorlesung “Data-driven Intelligent Systems” statt und vermittelt praxisorientiert die dort vorgestellten Konzepte und Algorithmen. Dazu werden in Kleingruppen programmiertechnische Aufgaben am Rechner gelöst und sowohl in der Gruppe, als auch mit dem Dozenten diskutiert.

Lernziel:
Durch das selbständige Lösen erarbeiten und vertiefen die Studenten aktuelle Methoden der Data-driven Intelligent Systems. Desweiteren lernen sie durch die Verzahnung von Theorie und Praxis, komplexe Zusammenhänge zu analysieren und das Wissen auf die gestellten Aufgaben zu transferieren. Durch die Arbeit in Zweier-Gruppen, die Präsentation der gemeinsam erarbeiteten Lösungen, sowie durch Diskussionen mit dem Tutor werden außerdem Soft Skills wie Teamarbeit und Kommunikation geschult.

Vorgehen:
Die praktische Übung besteht aus Präsenzaufgaben, die zu Beginn der Übung ausgeteilt werden, sodass sie in Zweiergruppen als Programmierarbeit an den Poolrechnern erledigt werden können. Die erarbeiteten Lösungen werden am Ende von den Studierenden im Plenum präsentiert und diskutiert. Übungen finden alle zwei Wochen statt. Basis zum Bestehen der Übungen sind regelmäßige Teilnahme an der Vorlesung, aktive Mitarbeit in den Übungen, sowie planmäßige Vorbereitung zu Hause.

Sprache:
Die Vorlesung wird in Englisch angeboten, um den Teilnehmern eine gute Gelegenheit zu geben, Erfahrungen mit der Standardsprache in der Wissenschaft und dem Engineering zu sammeln. Wir bieten dazu die Praktischen Übungen in Englisch oder Deutsch an, um den Teilnehmern den besten Zugang zu bieten. Dazu werden wir die Teilnehmer sowohl mit der Sprache als auch mit dem Inhalt so gut unterstützen wie wir können. Deutschsprachige Diskussionen sind zu jeder Zeit willkommen.

Literatur:

• Han J.; Kamber, M. Data Mining: Concepts and Techniques. Elsevier; Morgan Kaufmann, Amsterdam, 2006.
  
• Kantardzic, M. Data Mining. Wiley, 2011.
  
• Marsland, S. Machine Learning - An Algorithmic Perspective. CRC Press, 2015.