700.397 (21W) Tutorial on "Data Mining" and "Deep Learning"
Überblick
Bedingt durch die COVID-19-Pandemie können kurzfristige Änderungen bei Lehrveranstaltungen und Prüfungen (z.B. Absage von Präsenz-Lehreveranstaltungen und Umstellung auf Online-Prüfungen) erforderlich sein.
Weitere Informationen zum Lehrbetrieb vor Ort finden Sie unter: https://www.aau.at/corona.
Weitere Informationen zum Lehrbetrieb vor Ort finden Sie unter: https://www.aau.at/corona.
- Tutor/in/Innen
- LV-Titel englisch Tutorial on "Data Mining" and "Deep Learning"
- LV-Art Tutorium
- LV-Modell Onlinelehrveranstaltung
- Semesterstunde/n 2.0
- ECTS-Anrechnungspunkte 0.0
- Anmeldungen 4
- Organisationseinheit
- Unterrichtssprache Englisch
- LV-Beginn 29.10.2021
Zeit und Ort
Beachten Sie bitte, dass sich aufgrund von COVID-19-Maßnahmen die derzeit angezeigten Termine noch ändern können.
Liste der Termine wird geladen...
LV-Beschreibung
Intendierte Lernergebnisse
The tutorium supports the mathematical basics for the lecture
21W - 700.395 - Data Mining and Neurocomputing
Lehrmethodik inkl. Einsatz von eLearning-Tools
online instructions
Inhalt/e
The topics are:
Datapreprocessing
Dimensionality Reduction (Singular Value Decomposition (SVD), Principal Component Analysis(PCA) ) Unsupervised Learning and Clustering (K-means, Expectation-Maximization)
Supervised Learning (SVM, Bayes Classifier, Decision Trees)
Recommender Systems (Collaborative Filtering and Association Rule Mining)
Introduction to Neuro Computing
Time Series Forecast
Evaluation Metrics
The tutorium covers the mathematical basics from lecture 700.395 - Data Mining and Neurocomputing
Prüfungsinformationen
Im Fall von online durchgeführten Prüfungen sind die Standards zu beachten, die die technischen Geräte der Studierenden erfüllen müssen, um an diesen Prüfungen teilnehmen zu können.
Beurteilungsschema
Note BenotungsschemaPosition im Curriculum
- Masterstudium Information and Communications Engineering (ICE)
(SKZ: 488, Version: 15W.1)
-
Fach: Technical Complements (NC, ASR)
(Wahlfach)
-
Wahl aus dem LV-Katalog (Anhang 5) (
0.0h VK, VO, KU / 12.0 ECTS)
- 700.397 Tutorial on "Data Mining" and "Deep Learning" (2.0h TU / 0.0 ECTS)
-
Wahl aus dem LV-Katalog (Anhang 5) (
0.0h VK, VO, KU / 12.0 ECTS)
-
Fach: Technical Complements (NC, ASR)
(Wahlfach)
- Masterstudium Information and Communications Engineering (ICE)
(SKZ: 488, Version: 15W.1)
-
Fach: Technical Complements (NC, ASR)
(Wahlfach)
-
Wahl aus dem LV-Katalog (Anhang 5) (
0.0h VK, VO, KU / 12.0 ECTS)
- 700.397 Tutorial on "Data Mining" and "Deep Learning" (2.0h TU / 0.0 ECTS)
-
Wahl aus dem LV-Katalog (Anhang 5) (
0.0h VK, VO, KU / 12.0 ECTS)
-
Fach: Technical Complements (NC, ASR)
(Wahlfach)
- Masterstudium Information and Communications Engineering (ICE)
(SKZ: 488, Version: 15W.1)
-
Fach: Autonomous Systems and Robotics: Advanced (ASR)
(Wahlfach)
-
Wahl aus dem LV-Katalog (siehe Anhang 3) (
0.0h VK, VO / 30.0 ECTS)
- 700.397 Tutorial on "Data Mining" and "Deep Learning" (2.0h TU / 0.0 ECTS)
-
Wahl aus dem LV-Katalog (siehe Anhang 3) (
0.0h VK, VO / 30.0 ECTS)
-
Fach: Autonomous Systems and Robotics: Advanced (ASR)
(Wahlfach)