Vom 20. Dezember 2024 bis zum 3. Januar 2025 sind wir im Weihnachtsurlaub. Bestellungen können erst danach bearbeitet werden. Wir wünschen frohe und besinnliche Weihnachten und einen guten Rutsch ins Neue Jahr.
Zur Startseite wechseln
0,00 €

Grundlagen des maschinellen Lernens

Programmierung Python Weiterbildung im Modulstudium
© Leuphana/Patrizia Jäger

1.930,00 €

Teilnahme Erläuterung der Teilnahmemöglichkeiten
Veranstaltungszeitraum
Zertifikatsstudium

Im Zertifikatsstudium belegen Sie Module im Umfang von mindestens 15 Credit Points, Sie sind an der Leuphana Universität Lüneburg als Student*in eingeschrieben, können auf sämtliche Ressourcen der Hochschule zurückgreifen, legen Prüfungen ab und Sie erhalten als Abschluss das Hochschulzertifikat "PS Individuale".

Weitere Informationen zum Zertifikatsstudium

Modulstudium

Das Modulstudium schließen Sie mit einer Prüfung ab und erhalten die angegeben Credit Points. Diese können Sie sich auf ein Bachelor- oder Masterstudium anrechnen lassen. Das Modulstudium ist interessant für Sie, wenn Sie nur ein einzelnes Modul buchen möchten. Zum Abschluss erhalten Sie eine Bescheinigung mit einer ausführlichen Aufstellung Ihrer erbrachten Leistungen.

Weitere Informationen zum Modulstudium

Modulteilnahme

Die Modulteilnahme erfolgt OHNE Prüfung. Sie erhalten keine Credit Points. Credit Points sind dann wichtig, wenn Sie diese für ein Bachelor- oder Masterstudium anrechnen lassen wollen. Sie erhalten zum Abschluss des Moduls eine Teilnahmebescheinigung.

Weitere Informationen zur Modulteilnahme

Aktuell 10 Plätze verfügbar
Lehrveranstaltungen dieses Moduls
F2 Grundlagen des maschinellen Lernens
Termine In Planung *
* Die Veranstaltung findet im Zeitraum 01.10.2025 bis 31.03.2026 statt. Die genauen Termine werden in Kürze bekanntgegeben.
Modulinformationen "Grundlagen des maschinellen Lernens"

In diesem Modul lernen Sie die wichtigsten Grundlagen und Konzepte des maschinellen Lernens kennen, wie zum Beispiel:

  • Empirische Risikominimierung (Lineare Regression, logistische Regression, Perzeptron)
  • Regularisierte empirische Risikominimierung (Regularized Least Squares Regression, Support Vector Machines)
  • Kernel Methods
  • Entscheidungsbäume
  • Clustering (k-means, Expectation Maximization)

Ist zugangsbeschränkt: Nein
Voraussetzung - Hochschulzugangsberechtigung: Nicht erforderlich
Voraussetzung einjährige Berufserfahrung: Nicht erforderlich
Voraussetzungen - Sprache: keine
Voraussetzungen - Fachkenntnisse: keine
Weitere Voraussetzungen

Empfehlung:

  • Grundlegende mathematische Kenntnisse in linearer Algebra (Skalare, Vektoren, Matrizen, etc.) und Analysis (Gradienten, etc.)
  • Beherrschen einer Programmiersprache (z.B. Python)
Themenfeld: IT & Digitalisierung
Veranstaltungsformat: (Vor-Ort-)Präsenz und Online
Niveau: Master
Lehrsprache: deutsch
Studiengang
Anzahl der CP / ECTS: 5
Workload - Kontaktzeit (in Stunden): 35
Workload - Angeleitete Selbstlernzeit (in Stunden): 90
Prüfung: kursübergreifende Prüfung (Modulprüfung)
Prüfungsformat: Hausarbeit
weiteres Prüfungsformat: keine weitere Prüfung
Qualifikationsziele

  • Systematischen Überblick über die grundlegenden Methoden und Anwendungsmöglichkeiten des maschinellen Lernens aneignen
  • Probleme aus dem Bereich des maschinellen Lernens analysieren und formalisieren
  • Geeignete Verfahren zum Lernen aus Daten auswählen und bewerten
  • Für gegebene Aufgabenstellungen maschinelle Lernalgorithmen selbstständig konzipieren, implementieren und deren Ergebnisse evaluieren