ModulMaschinelles Lernen mit empirischen Daten
DozentThomas Schmid
Beginn22.07.2019
Zeit / OrtMO-FR 10-16 - P 535 (Paulinum)
Turnusunregelmäßig
PrüfungProjektarbeit
Einschreibung8.4.2019, 10-12 Uhr, Felix-Klein-Hs.
HinweiseDie Moduleinschreibung erfolgt in der Vorlesung, nicht im Almaweb

Inhalt

Ziel dieses zweiwöchigen Blockpraktikums ist das selbstständige Bearbeiten und Dokumentieren einer wissenschaftlichen Fragestellung im Bereich Maschinelles Lernen in gegebener Zeit und mit Betreuung durch einen Lehrenden.

Praktikumsinhalte:

  • Selbstständige Entwicklung und Anwendung einer Analysemethodik für einen empirischen Datensatz
  • Dokumentation von Analsemethodik und -ergebnissen nach wissenschaftlichen Standards
  • Selbstständige Bewertung der erzielten Ergebnisse
  • Wissenschaftliche Präsentation eines eigenen Projekts

Termine

10 – 12 Uhr 12 – 13 Uhr 13 – 15 Uhr 15 – 16 Uhr
Mo, 22.7. Einführung /

Preprocessing

Mittagspause Hands-On

Unüberwachtes Lernen

Aufgaben-

vergabe

Di, 23.7. Hands-On

Überwachtes Lernen

Mittagspause Paperrunde

(1. Meilenstein)

Medizinische Einführung

(Prof. Bollmann)

Mi, 24.7. Projektarbeit /

Preprocessing

Mittagspause Projektarbeit Präsentationen

2. Meilenstein

Do, 25.7. Projektarbeit Mittagspause Projektarbeit Präsentationen

3. Meilenstein

Fr, 25.7. Projektarbeit Mittagspause Projektarbeit Zwischenevaluation
Mo, 29.7. Hands-On

Dokumentation

Mittagspause Projektarbeit Fachdiskussion

(4. Meilenstein)

Di, 30.7. Projektarbeit Mittagspause Projektarbeit Projektarbeit
Mi, 31.7. Hands-On

Präsentation

Mittagspause Projektarbeit Projektpräsentationen

(5. Meilenstein)

Do, 1.8. Projektarbeit Mittagspause Projektarbeit Projektarbeit
Fr, 2.8. Hands-On

Peer Review

Mittagspause Abschluss

1. Meilenstein:   Einordnung der Fragestellung (Literaturrecherche)
2. Meilenstein:   Exploration / Hypothesenbildung
3. Meilenstein:   Prototyp (begründete Methodenauswahl, Implementierung, Evaluation)
4. Meilenstein:   Fachdiskussion mit externem Experten
5. Meilenstein:   Projektpräsentation

Materialien

Vorlagen für die schriftliche Ausarbeitung (6 Seiten, inkl. Abstract & Quellen):

  • Template für LaTeX (.zip)
  • Template für Word (.zip)

Vorlagen für die Projektpräsentation:

  • Template für LibreOffice (.odp)
  • Template für PowerPoint (.pptx)

Literatur

  • Scott V. Burger
    Introduction to Machine Learning with R
    O’Reilly, 1. Auflage, 2018