Arbeitsaufwand:
90 h
|
Nummer ML-4502 |
Titel Machine Learning Methods for Scientific Discovery |
Lehrform(en) Seminar |
|---|---|---|
| ECTS | 3 | |
|
Arbeitsaufwand - Kontaktzeit - Selbststudium |
Arbeitsaufwand:
90 h Kontaktzeit:
30 h / 2 SWS Selbststudium:
60 h |
|
| Veranstaltungsdauer | 1 Semester | |
| Häufigkeit des Angebots | Unregelmäßig | |
| Unterrichtssprache | Englisch | |
| Prüfungsform | Mündlicher Vortrag, schriftlicher Bericht |
|
| Inhalt | In diesem Seminar werden wir aktuelle und klassische Forschungsarbeiten diskutieren, die Methoden des maschinellen Lernens für Anwendungen in den Naturwissenschaften beschreiben. Aus methodischer Sicht wird ein besonderer Schwerpunkt auf "simulationsbasierten Inferenzansätzen" liegen, da diese eine Brücke zwischen datengetriebenen maschinellen Lernmethoden und theoriegetriebener wissenschaftlicher Modellierung bilden, sowie auf latent-variablen Modellen zur Ableitung dynamischer Systeme aus Daten. |
|
| Qualifikationsziele | Die Studierenden sind in der Lage, aktuelle Forschungsarbeiten in diesem Forschungsbereich zu lesen und zu reflektieren. Sie können die Beiträge einer solchen Arbeit kritisch beurteilen. Sie können aktuelle Forschungsergebnisse vor anderen Studierenden und Forschern präsentieren und Forschungsdiskussionen leiten. Sie können die Ergebnisse einer Arbeit in Form eines schriftlichen Forschungsberichts zusammenfassen und bewerten. |
|
| Vergabe von Leistungspunkten/Benotung |
Lehrform
Status
SWS
LP
Prüfungsform
Prüfungsdauer
Benotung
Berechnung
Modulnote (%)
Seminar
S
o
2
3.0
H,
R
30
b
199
|
|
| Teilnahmevoraussetzungen | Es gibt keine besonderen Voraussetzungen. | |
| Dozent/in | Macke | |
| Literatur / Sonstiges | Will be announced in the first meeting / Basic knowledge probabilistic machine learning |
|
| Zuletzt angeboten | Wintersemester 2021 | |
| Geplant für | Sommersemester 2025 | |
| Zugeordnete Studienbereiche | INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS, ML-DIV | |