Dokument-Version: 4.001.03.2021pre

Fakultät Ingenieurwissenschaften

Bachelorstudiengang (EIB) - Elektrotechnik und Informationstechnik

Grundlagen der Informationstechnik und Maschinelles Lernen I

Kennzahl 2040

Dozententeam

Pflichtmodul 2040

verantwortlich: Prof. Dr.-Ing. Gerold Bausch
Professur Computer Vision und Maschinelles Lernen
Regelsemester Sommersemester 2. Semester (jährlich)
Leistungspunkte *) 5   (Wichtung der LP =5)
Unterrichtssprache Deutsch
Arbeitsaufwand Vorlesung-Präsenz: 28 h; Vorlesung-Nacharbeit: 24 h; Übung-Präsenz: 28 h; Übung-Vorarbeit: 28 h; Praktikum-Präsenz: 14 h; Praktikum-Nacharbeit: 28 h;
Voraussetzungen für die Teilnahme Kenntnisse/Fähigkeiten: Modul : Mathematik I (1010);
Lernziel/ Kompetenz Ziel: Vermittlung theoretischer und praktischer Kenntnisse der Informations- und Mikrocontrollertechnik sowie Grundlagenwissen zu wichtigen Methoden und Verfahren des statistischen und maschinellen Lernens.

Fach- und methodische Kompetenz: Im Teilbereich Informationstechnik erlangen die Studierenden Kompetenzen in den Bereichen analoger und digitaler Signale, der Datenübertragung sowie dem Aufbau, der Funktionsweise und Programmierung von Mikrocontrollern inkl. wesentlicher Schnittstellen. Im Teilbereich Maschinelles Lernen erlangen die Studierenden Kenntnisse zur Funktionsweise, zur theoretischen Beschreibung, Analyse und Bewertung maschineller Lernverfahren sowie deren Einordnung aus statistischer Perspektive, Nutzung des Wissens in Anwendungsbeispielen u.a. anhand vorbereiteter Codeabschnitte zur Lösung unterschiedlicher Probleme des maschinellen Lernens mit Python und Interpretation der Ergebnisse.

Einbindung in die Berufsvorbereitung: Die weltweite Digitalisierung verlangt von modern ausgebildeten Ingenieuren aller Bereiche anwendungsbereites Wissen und Kenntnisse über digitale Signale, deren Übertragung sowie über Mikrocontrollerhandhabung und -einsatz. Die Anwendung von Methoden des maschinellen Lernens zur Extraktion von Informationen auf Daten des ingenieurwissenschaftlichen und ingenieurtechnischen Umfeldes spielt im Allgemeinen eine zunehmend wichtigere Rolle. Im Speziellen bildet die damit einhergehende Expertise einen wichtigen Baustein moderner Verfahren zum Bildverstehen und zur Informationsgewinnung aus Bild- und Videodaten, insbesondere im Zusammenhang mit modernen Verfahren des maschinellen Lernens.
Inhalt 1. Grundlagen der Informationstechnik

1. Grundlagen der Informationstechnik Analog und digitale Signale inkl. Signalabtastung und Quantisierung Übertragung binärer Informationen Aufbau und Funktionsweise von Mikrocontrollern Mikrocontrollerapplikationen auf Basis der Programmiersprache C

2. Maschinelles Lernen

2. Maschinelles Lernen Methoden Maschinellen Lernens Lineare Regressions- und Klassifiktationsverfahren Bayes´sche Verfahren Generative und Diskriminative Modelle Neuronale Netze Kernel-Methoden Unüberwachte Lernverfahren

Prüfungsvorleistungen
Studien- und Prüfungsleistungen
Lehreinheiten SWS Prüfungsleistung Wichtung
V Ü P
Grundlagen der Informationstechnik 1 1 0.75 (PK 90 min) 5
Maschinelles Lernen 1 1 0.25
gemeinsame Modulprüfung
Medienformen Tafel, PC, Beamer, Literatur
Literatur Frochte, J.: Maschinelles Lernen - Grundlagen und Algorithmen in Python;

Roppel, Carsten: Grundlagen der digitalen Kommunikationstechnik;

James, G.; Witten, D.; Hastie, T.; Tibshirani, R.: An Introduction to Statistical Learning;

Bishop, C.M: Pattern Recognition and Machine Learning;

Sturm: Mikrocontrollertechnik,Fachbuchverlag Leipzig;

Rimoldi, Bixio: Principles of Digital Communication;

Trappenberg, T.P.: Fundamentals of Machine Learning;

Verwendbarkeit Das Modul ist in Bachelorstudiengängen Elektrotechnik und Informationstechnik verwendbar.