ML4DS Exam Information
28.07.2026, 13:30Uhr - 15:00Uhr, Room: PK 4.117.
Please come 30min before the beginning
Machine Learning for Data Science
Overview
Course type
Lecture & Exercise
Audience
Data Science Master
Time
Di. 13:15-14:45, Mi. 13:15-14:45
Description
Supervised Learning Algorithms
Model Selection
Unsupervised Learning Algorithms
Deep Neural network architectures for data science
Self-supervised learning and foundation models
Uses and limitations of ML in data science projects
Qualification goals
Nach erfolgreichem Abschluss dieses Moduls sollten die Studierenden in der Lage sein
grundlegende Konzepte des Entwurfs von Algorithmen des maschinellen Lernens zu verstehen und korrekt anzuwenden,
elementare Werkzeuge zur Analyse der Leistung von maschinellen Lernverfahren zu beherrschen,
die am besten geeigneten ML-Ansätze für eine bestimmte Anwendung zu identifizieren.
Proof of Performance
1 Prüfungsleistung: Klausur, 90 Minuten oder mündliche Prüfung, 30 Minuten oder Take-Home-Exam
1 Studienleistung: 50% der Hausaufgaben müssen bestanden sein
Prüfungstermin: 28.07.2026, 13:30Uhr - 15:00Uhr, Raum: PK 4.117, Bitte 30 Minuten vorher erscheinen!!
Literature
Machine Learning, A Probabilistic Perspective, Murphy, 2012
Deep Learning, Goodfellow et al., 2016
Mathematics for Machine Learning, Deisenroth et al., 2020
Requirements
Die Vorlesungen und Übungen verlangen gute Kenntnisse in den Bachelor-Kursen „Lineare Algebra“ und „Analysis“, und ein Hintergrundwissen über Wahrscheinlichkeitstheorie und die Programmiersprache Python wird empfohlen.
