Uni Wien:Mining Massive Data VU (Tschiatschek)
Daten[Bearbeiten | Quelltext bearbeiten]
Vortragende | Sebastian Tschiatschek, Christian Böhm, Timo Klein, Simon Rittel, Martin Teuffenbach |
---|---|
ECTS | 6,00 / 4,00 |
Aufgezeichnet | True |
Sprache | English |
Links | ufind:053621 |
Inhalt[Bearbeiten | Quelltext bearbeiten]
Der Kurs befasst sich tiefer mit verschiedenen Machine Learning-Themen mit Fokus auf Big Data. Dabei werden unterschiedliche Themen wie z.B. MapReduce, Locality Sensitive Hashing, Support Vector Machines, Bandits etc. behandelt. Viele Inhalte scheinen sich auf das Buch Mining of Massive Datasets zu stützen.
Ablauf[Bearbeiten | Quelltext bearbeiten]
Der Kurs beinhaltet eine ausgewogene Mischung aus Theorie und Praxis, was sich vor allem bei den Arbeitsblättern alle zwei Wochen zeigt: Es werden sehr unterschiedliche Aufgaben gestellt, unter anderem Programmierübungen, mathematische Beweise und das Lesen und Erklären von Buchkapiteln. Neben den Übungsblättern sind drei größere Programmieraufgaben in Teams von drei Personen zu lösen, bei denen es um die praktische Umsetzung des Vorlesungsstoffs geht, und es gibt eine Abschlussprüfung am Ende des Semesters.
Benötigte/Empfehlenswerte Vorkenntnisse[Bearbeiten | Quelltext bearbeiten]
- Python-Kenntnisse
- Vorwissen zu Machine Learning
- mathematische Kenntnisse und Beweistechniken sind von Vorteil
Vortrag[Bearbeiten | Quelltext bearbeiten]
noch offen
Übungen[Bearbeiten | Quelltext bearbeiten]
noch offen
Prüfung, Benotung[Bearbeiten | Quelltext bearbeiten]
- 6 Pen&Paper Aufgaben (30%)
- 3 Programmieraufgaben (40%)
- Abschlussprüfung (30%)
Dauer der Zeugnisausstellung[Bearbeiten | Quelltext bearbeiten]
noch offen
Zeitaufwand[Bearbeiten | Quelltext bearbeiten]
noch offen
Unterlagen[Bearbeiten | Quelltext bearbeiten]
noch offen
Tipps[Bearbeiten | Quelltext bearbeiten]
Bei der Abschlussprüfung werden zwar auch fortgeschrittene Aufgaben gestellt, aber auch grundlegende Verständnisfragen. Zum Durchkommen reicht es, die wichtigsten Eckpunkte jedes Kapitels gut zu kennen. Das genaue Durcharbeiten der Übungsblätter hilft ebenfalls beim Verständnis des Vorlesungsstoffs.
Verbesserungsvorschläge / Kritik[Bearbeiten | Quelltext bearbeiten]
noch offen