Course Schedule

Start > Leuphana Bachelor (B.A./B.Eng./B.Sc./LL.B.) -> Major Wirtschaftsinformatik (ab Studienbeginn WiSe 20/21) -> Einführung Künstliche Intelligenz

Lehrveranstaltungen

Einführung in die Künstliche Intelligenz (Vorlesung)

Dozent/in: Ulf Brefeld, Yannick Rudolph

Termin:
 wöchentlich | Donnerstag | 10:15 - 11:45 | 03.04.2023 - 07.07.2023 | C HS 4 | Vorlesung

Inhalt: Es werden grundlegende Kenntnisse des maschinellen Lernen vermittelt, die zur intelligenten Datenverarbeitung notwendig sind. Wir gehen auf verschiedene Problemstellungen ein (z.B. Klassifikation, Regression, Clustern), lernen Standardverfahren kennen (z.B. Entscheidungsbäume, SVMs), Strategien für eine allgemeine Herangehensweise und Versuchsaufbauten für eine solide empirische Evaluation.

Einführung in die Künstliche Intelligenz - Übung Gruppe 1 (Übung)

Dozent/in: Ulf Brefeld, Yannick Rudolph

Termin:
 wöchentlich | Donnerstag | 16:15 - 17:00 | 03.04.2023 - 04.05.2023 | C 14.006 Seminarraum
wöchentlich | Donnerstag | 16:15 - 17:00 | 11.05.2023 - 22.06.2023 | C HS 3 | Raumwechsel!
wöchentlich | Donnerstag | 16:15 - 17:00 | 29.06.2023 - 06.07.2023 | C HS 4

Inhalt: Es werden grundlegende Kenntnisse des maschinellen Lernen vermittelt, die zur intelligenten Datenverarbeitung notwendig sind. Wir gehen auf verschiedene Problemstellungen ein (z.B. Klassifikation, Regression, Clustern), lernen Standardverfahren kennen (z.B. Entscheidungsbäume, SVMs), Strategien für eine allgemeine Herangehensweise und Versuchsaufbauten für eine solide empirische Evaluation.

Einführung in die Künstliche Intelligenz - Übung Gruppe 2 (Übung)

Dozent/in: Ulf Brefeld, Yannick Rudolph

Termin:
 wöchentlich | Donnerstag | 17:00 - 17:45 | 03.04.2023 - 04.05.2023 | C 14.006 Seminarraum
wöchentlich | Donnerstag | 17:00 - 17:45 | 11.05.2023 - 22.06.2023 | C HS 3 | Raumwechsel
wöchentlich | Donnerstag | 17:00 - 17:45 | 29.06.2023 - 06.07.2023 | C HS 4

Inhalt: Es werden grundlegende Kenntnisse des maschinellen Lernen vermittelt, die zur intelligenten Datenverarbeitung notwendig sind. Wir gehen auf verschiedene Problemstellungen ein (z.B. Klassifikation, Regression, Clustern), lernen Standardverfahren kennen (z.B. Entscheidungsbäume, SVMs), Strategien für eine allgemeine Herangehensweise und Versuchsaufbauten für eine solide empirische Evaluation.