FDAK Machine Learning

 

INHALT
Machine Learning wird vermehrt von Studierenden und Industrie nachgefragt, und findet nach und nach auch in den Curricula seinen festen Platz. 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 der oberflächlich einfach wirkenden Anwendung 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 zweiten Auflage des FDAKs wollen wir betrachten, welche Minimalanforderungen an Projekt- und Abschlussarbeiten im Bachelor und Master gestellt werden sollten und wie Studierende von interdisziplinären Projekten am besten profitieren.

 

SIE ALS TEILNEHMENDE

  • vernetzen sich mit Kolleginnen und Kollegen an anderen Hochschulen.
  • berichten über Ihre Erfahrungen im Lehrgebiet Maschinelles Lernen.
  • diskutieren über didaktische Konzepte dafür.
  • erarbeiten einen Anforderungskatalog für Projekt- und Abschlussarbeiten.
  • tauschen sich zu Lehr- und Lernmaterialien sowie Fallstudien aus.

 

Hinweis: Der FDAK wird nur stattfinden, sofern eine Präsenzveranstaltung möglich ist.

Bitte beachten Sie, dass auch bei den Präsenz-Veranstaltungen des DiZ die 3G-Regel eingehalten werden muss, sofern der Inzidenzwert in Ingolstadt über 35 liegt.

Wir orientieren uns hierbei an der 14. Infektionsschutzmaßnahmenverordnung für die Corona Maßnahmen in Bayern und den Vorgaben der TH Ingolstadt.

Termin

Mi. 08.12.2021:    10:15 - 16:30 Uhr

Organisation

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

Ort

DiZ Ingolstadt
Goldknopfgasse 7
85049 Ingolstadt

Teilnahmegebühr

kostenfrei

Buchung