FDAK Machine Learning

 

INHALT
Machine Learning wird vermehrt von Studierenden und Industrie nachgefragt. Die Verfügbarkeit von hochentwickelten Toolkits erlaubt es, die Themen Software Engineering, Softwarearchitektur und Machine Learning für angewandte Studiengänge zu kombinieren und auch insbesondere interdisziplinäre Projekte über Fakultäten und Studiengänge hinweg durchzuführen.

Wir als Lehrende müssen nun einen Spagat zwischen den mathematisch oft sehr anspruchsvollen Grundlagen und den oberflächlich einfach wirkenden Anwendungen von Toolkits wie Scikit Learn, Tensorflow oder PyTorch schaffen. Wie tief steigt man in die Theorie ein, welche Toolkits sind am besten geeignet, wie sehen die Problemstellungen aus?

In der ersten Auflage dieses Arbeitskreises möchten wir mit einem Erfahrungsaustausch starten. Dann steigen wir in die Diskussion ein, was eine Grundlagenveranstaltung Machine Learning im Bachelor enthalten kann, sollte und muss.

 

SIE ALS TEILNEHMENDE

  • vernetzen sich mit Kolleginnen und Kollegen an anderen Hochschulen.
  • berichten über Ihre Erfahrungen im Lehrgebiet "Maschinelles Lernen".
  • diskutieren über Inhalte und didaktische Konzepte dafür.
  • erarbeiten eine mögliche Modulbeschreibung für eine grundlegende Lehrveranstaltung.
  • tauschen sich zu digitalen und interaktiven Lehrmaterialien für Machine Learning aus.

Termin

Fr. 13.11.2020:    10:15 - 16:30 Uhr

Organisation

Prof. Dr.-Ing. Korbinian Riedhammer
Prof. Dr. Tobias Bocklet (beide TH Nürnberg GSO)

Ort

Online-Seminar

Teilnahmegebühr

kostenfrei

Buchung

Eine Anmeldung ist nicht mehr möglich.