Mustererkennung
Semester

jedes Sommersemester

Inhalte
  • Diskretisierung (Abtastung, Quantisierung) und Filterung (Lineare Systeme, Fourier-Transformation)
  • Normierung (Amplituden, Grauwertegalisierung) und Merkmalgewinnung (Reihenentwicklungen, Spektralmerkmale, Hauptachsen)
  • Numerische Klassifikatoren (statistische, diskriminative, nicht-parametrische) und Normalverteilungsklassifikatoren (Verteilungsdichte, Prüfgrößen, Schätzverfahren)
  • Künstliche neuronale Netze (Modellneuron, Perzeptron, Netzwerktopologien) und Supportvektormaschinen (Binäre Klassifikatoren, Lernen mit Kernen)
  • Unüberwachtes Lernen (Vektorquantisierung, EM und GMM) und Klassifikatorübergreifendes (ROC/AUC, binär vs. mehrere Klassen, Ensembles, Bootstrapping)
Moduldaten
Wahlpflichmodul für den B.Sc. Informatik
Wahlpflichmodul für den B.Sc. Angewandte Informatik
Wahlpflichmodul für den B.Sc. Bioinformatik
Wahlpflichmodul für den B.A. Ergänzungsfach Informatik
Wahlpflichmodul “Maschinelles Lernen” (6LP) für den M.Sc. Informatik
Wahlpflichmodul für den M.Sc. Bioinformatik (Bereich Informatik)
Wahlpflichmodul für den M.Sc. Computational and Data Science
Wahlpflichmodul für Informatik Lehramt Gymnasium
Wahlpflichmodul für den M.Sc. Computational and Data Science