Module Handbook

  • Dynamischer Default-Fachbereich geändert auf INF

Module INF-70-51-M-7

Intelligent Systems (M, 12.0 LP)

Module Identification

Module Number Module Name CP (Effort)
INF-70-51-M-7 Intelligent Systems 12.0 CP (360 h)

Basedata

CP, Effort 12.0 CP = 360 h
Position of the semester 1 Sem. in SuSe
Level [7] Master (Advanced)
Language [DE/EN] German or English as required
Module Manager
Lecturers
Area of study [INF-KI] Intelligent Systems
Reference course of study [INF-88.B16-SG] M.Sc. Socioinformatics
Livecycle-State [NORM] Active

Notice

Module examination over all selected courses

Proof of performance: Exercise certificates in the selected courses

Courses

Type/SWS Course Number Title Choice in
Module-Part
Choice in
Course-Pool
Presence-Time /
Self-Study
SL SL is
required for exa.
PL CP Sem.
KPOOL INF-SI_Inf_IntSys-KPOOL-7
Intelligent Systems
WP WP-CP 360 h
U-Schein
- PL1 12.0 *

Examination achievement PL1

  • Form of examination: oral examination (45-60 Min.)
  • Examination Frequency: each semester

Evaluation of grades

The grade of the module examination is also the module grade.


Competencies / intended learning achievements

Die Studierenden gewinnen einen vertieften Einblick in selbst gewählte Themen des Software-Engineering. Die Kenntnisse in diesem Bereich können bis an den Stand der Forschung heranreichen. Die Studierenden können damit dem Stand der Forschung folgen.

Mit erfolgreichem Abschluss des Moduls werden die Studierenden in der Lage sein,

  • wichtige Konzepte des maschinellen Lernens in Bezug zu charakterisieren,
  • für den jeweiligen Problemkontext geeignete Verfahren des maschinellen Lernens beispielhaft anzuwenden,
  • die besonderen Merkmale unterschiedlicher Lernprobleme herzuleiten,
  • die Auswahl geeigneter Lernmethoden zur Lösung von Problemen (Wahrnehmung, Steuerung, Bildverarbeitung, Multimediale Datenbanken, Data Mining, Informationssicherheit, Agentensysteme und autonome Systeme) zu begründen,
  • die Leistungsfähigkeit von maschinellen Lernenverfahren zur Lösung bestimmter Probleme zu analysieren,
  • die Grenzen der maschineller Lernverfahren und der automatischen Datenanalyse bewerten.
  • die Besonderheiten industriell und wirtschaftlich relevanter Anwendungsgebiete der KI zu erklären,
  • geeignete Anwendungen der Künstlichen Intelligenz in realen Kontexten zu identifizieren,
  • konkrete Projektanforderungen als Probleme der Künstlichen Intelligenz zu identifizieren,
  • Anwendungen der Künstlichen Intelligenz in realen Kontexten zu reflektieren.
  • grundlegende Techniken des Information Retrieval und Web Mining zu beschreiben und anzuwenden,
  • die Auswahl geeigneter Methoden und Technologien zur Unterstützung wissensintensiver Tätigkeiten zu begründen,
  • die Stärken und Schwächen semantischer Technologien abhängig vom jeweiligen Anwendungskontext zu validieren und im Kontext ihres Potenzials im Unternehmenskontext einzuschätze
  • geeigneter Methoden und Technologien aus dem Bereich Data Science problemorientiert auszuwählen,
  • die Basiskonzepte Eingebetteter-Intelligenz zu erklären,

Requirements for attendance of the module (informal)

None

Requirements for attendance of the module (formal)

None

References to Module / Module Number [INF-70-51-M-7]

Course of Study Section Choice/Obligation
[INF-88.B16-SG] M.Sc. Socioinformatics [Compulsory Modules] Computer Science [P] Compulsory