Vorlesungsverzeichnis

Suchen Sie hier über ein Suchformular im Vorlesungsverzeichnis der Leuphana.

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: Debayan Banerjee, Ulf Brefeld

Termin:
 wöchentlich | Donnerstag | 10:15 - 11:45 | 02.04.2024 - 05.07.2024 | W 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 1 (Übung)

Dozent/in: Debayan Banerjee, Ulf Brefeld

Termin:
 wöchentlich | Donnerstag | 16:15 - 17:00 | 02.04.2024 - 05.07.2024 | C HS 5 | Evtl. werden wir eine kombinierte Übung mit Gruppe 2 anbieten (diese wäre dann im gleichen Raum bis 17:45)

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: Debayan Banerjee, Ulf Brefeld

Termin:
 wöchentlich | Donnerstag | 17:00 - 17:45 | 02.04.2024 - 05.07.2024 | C HS 5 | Evtl. werden wir eine kombinierte Übung mit Gruppe 1 anbieten (diese wäre dann im gleichen Raum ab16:15)

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.