700.397 (22W) Tutorial on "Data Mining" and "Deep Learning"

Wintersemester 2022/23

Anmeldefrist abgelaufen.

Erster Termin der LV
16.11.2022 08:45 - 10:45 Online Off Campus
... keine weiteren Termine bekannt

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.
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 6
Organisationseinheit
Unterrichtssprache Englisch
LV-Beginn 16.11.2022
eLearning zum Moodle-Kurs

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

This tutorial supports the beginners to Data Mining and Deep Learning.

1) Introduction to Data Mining, Deep Learning and Neurocomputing

2) Mathematical Basics for Machine Learning.

3) Python Basics for Machine Learning.

4) Overview of Deep Learning Frameworks & Machine Learning Libraries.

5) Introduction to Pytorch.

Erwartete Vorkenntnisse

No Prior Knowledge is required, the tutroial is for beginners.

Basic Knowldge in python is preferred.

The content may adapt based on the prior knowledge of the students.

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

mit/ohne Erfolg teilgenommen Benotungsschema

Position 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)
  • 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)
  • 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)
  • Masterstudium Information and Communications Engineering (ICE) (SKZ: 488, Version: 22W.1)
    • Fach: Autonomous Systems and Robotics: Advanced (Wahlfach)
      • 2.2 Data Mining and Neurocomputing ( 0.0h VC / 4.0 ECTS)
        • 700.397 Tutorial on "Data Mining" and "Deep Learning" (2.0h TU / 0.0 ECTS)

Gleichwertige Lehrveranstaltungen im Sinne der Prüfungsantrittszählung

Wintersemester 2023/24
  • 700.397 TU Tutorial Data Mining and Deep Learning (2.0h / 0.0ECTS)
Wintersemester 2021/22
  • 700.397 TU Tutorial on "Data Mining" and "Deep Learning" (2.0h / 0.0ECTS)