Nummer ML-4310 |
Titel Data Mining and Probabilistic Reasoning |
Lehrform(en) Vorlesung, Übung |
---|---|---|
ECTS | 3 | |
Arbeitsaufwand - Kontaktzeit - Selbststudium |
Arbeitsaufwand:
90 h Kontaktzeit:
30 h / 2 SWS Selbststudium:
60 h |
|
Veranstaltungsdauer | 1 Semester | |
Häufigkeit des Angebots | Im Wintersemester | |
Unterrichtssprache | Englisch | |
Prüfungsform | Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl) |
|
Inhalt | Die Vorlesung gibt eine Einführung in die Grundlagen der Wahrscheinlichkeitstheorie, Statistik, Informationstheorie, Daten(vor)verarbeitung und Indexierungstechniken, Graphendarstellungen und Linkanalyse, Klassifikation, Clustering und Themenmodelle, probabilistische Inferenz in grafischen Modellen. |
|
Qualifikationsziele | (1) Die Studierenden erwerben umfangreiche Kenntnisse in Theorie und Anwendung von Methoden aus dem Bereich der Datenwissenschaft. |
|
Vergabe von Leistungspunkten/Benotung |
Lehrform
Status
SWS
LP
Prüfungsform
Prüfungsdauer
Benotung
Berechnung
Modulnote (%)
Vorlesung
V
o
1
2.0
K
90
b
100
Übung
Ü
o
1
1.0
|
|
Teilnahmevoraussetzungen | Es gibt keine besonderen Voraussetzungen. | |
Dozent/in | Kasneci G | |
Literatur / Sonstiges | Will be supplied (book chapters and papers in English) |
|
Zuletzt angeboten | Wintersemester 2022 | |
Geplant für | --- | |
Zugeordnete Studienbereiche | INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV |