Machine Learning for Business: Advanced Concepts

Machine Learning for Business: Advanced Concepts

Die Inhalte der Vorlesung werden komplett online vermittelt.

Prüfungsnummer: 34681 (Vorlesung) & 34682 (Übung)
Modulnummer: RUW-83468
ECTS 5 (2,5+2,5)
Turnus im Sommersemester
Sprache Deutsch
Verwendbarkeit Das Modul ist nur für Studierende der Wirtschaftsinformatik (BSc) belegbar:

– Modul im Modulbereich „Data & Knowledge“ des Kernbereichs Wirtschaftsinformatik für WINF-Studierende mit Studienbeginn ab WiSe 18/19 und vor WiSe 20/21

– Modul im Wahlpflichtbereich Wirtschaftsinformatik/„Data & Knowledge“ für WINF-Studierende  mit Studienbeginn ab WiSe 2020/21

Anmeldung

  • Hinweis: die Veranstaltung ist nur für Studierende der Wirtschaftsinformatik (BSc) belegbar.
  • Anmeldezeitraum: 5.04.2021 bis 11.04.2021
    • Vorlesung: 05. Apr 2021, 12:00 (1h Happy Hour) – 11. Apr 2021, 12:00
    • Übung: 06. Apr 2021, 12:00 – 11. Apr 2021, 12:00
  • Anmeldung via StudOn

Kursinhalt

Die Bedeutung von Machine Learning hat in den vergangenen Jahren in nahezu allen Unternehmen und Organisationen erheblich zugenommen. Entsprechend ist auch der Bedarf an professionellen, also gut ausgebildeten, und erfahrenen Personen in diesem Bereich gestiegen.

In der Veranstaltung werden den Studierenden zum einen fortgeschrittene Konzepte des Machine Learnings und deren Limitierungen vermittelt und zum anderen wird den Studierenden aufgezeigt, wie diese Konzepte im betrieblichen Umfeld zur Anwendung gebracht werden können.

Die Veranstaltung vermittelt den praktischen Umgang mit Software zur Generierung von Erkenntnissen aus Daten. Praxisrelevante Software und Bibliotheken wie Python, Jupyter Notebooks, SciKit Learn, PyTorch, TensorFlow, NLTK oder Gensim werden exemplarisch verwendet.

Im Rahmen der Veranstaltung werden die Studierenden in kleinen Gruppen eigene Machine-Learning-Forschungsprojekte durchführen. Für die Forschungsprojekte werden von uns ‚Starterpakete‘ bereitgestellt. Eigene Ideen für Forschungsprojekte sind jederzeit willkommen und gewünscht – wir freuen uns auf eure Ideen.

Lernziele & Kompetenzen

    • Die Studierenden kennen und verstehen grundlegende sowie fortgeschrittene Konzepte und Methoden aus dem Bereich Machine Learning und können diese anwenden.
    • Die Studierenden verstehen, welche Methoden und Konzepte bei spezifischen Fragestellungen Anwendung finden können.
    • Die Studierenden kennen praxisrelevante Machine Learning Software und Bibliotheken und können diese im betrieblichen Kontext zur Anwendung bringen

Voraussetzungen

Für die Veranstaltung werden grundlegende Programmierkenntnisse in Python vorausgesetzt.

Empfohlene Tutorials zur Vorbereitung im Eigenstudium unter https://www.kaggle.com/learn/overview

Empfohlen:

  • Python (ca. 7h)
  • Intro to Machine Learning (ca. 3h)
  • Pandas (ca. 4h)

Optional:

  • Intermediate Machine Learning (ca. 4h)
  • Data Visualization (ca. 4h)

 

Tutorium

Die Termine für das Tutorium werden in der Vorlesung zum Semesterstart bekannt gegeben.

Organisation

Vorlesung

Semester: SS
ECTS: 2,5
Termine: tba
Raum:

Prüfungsnummer: 34681

Kontakt:

Martin Enders

Raum: Raum 5.437
Lange Gasse 20
90403 Nürnberg

Übung

Semester: SS
ECTS: 2,5
Termine: unterschiedlich, siehe Informationsseite
Raum: unterschiedlich, siehe Informationsseite

Prüfungsnummer: 34682

Kontakt:

Martin Enders

Raum: Raum 5.437
Lange Gasse 20
90403 Nürnberg