Machine Learning

Informationen zur Lehrveranstaltung
TitelΜηχανική Μάθηση / Machine Learning
CodeDWS101
Cycle / Level2. Magisterstudiengang
SemesterWinter
CoordinatorIoannis Vlachavas
CommonJa
StatusAktiv
Course ID600015628

Studienplan: PMS EPISTĪMĪ DEDOMENŌN KAI PAGKOSMIOU ISTOU (2018 éōs sīmera) MF

Registered students: 5
FachrichtungForm des KursbesuchsSemesterJahrECTS
KORMOSYPOCΗREŌTIKO KAT' EPILOGĪN117.5

Studienplan: PMS EPISTĪMĪ DEDOMENŌN KAI PAGKOSMIOU ISTOU (2018 éōs sīmera) PF

Registered students: 21
FachrichtungForm des KursbesuchsSemesterJahrECTS
KORMOSYPOCΗREŌTIKO KAT' EPILOGĪN117.5

Informationen zur Veranstaltung
Akademisches Jahr2019 – 2020
KurslehrdauerWinter
Faculty Instructors
Weekly Hours3
Total Hours39
Class ID
600153645
Course Type 2016-2020
  • Wissenschaftlicher Fachbereich
  • Entwicklung von Fertigkeiten
Veranstaltungstyp
  • Persönliche Anwesenheit
Elektronischer Zugang zu Unterrichtsmaterialien
Erasmus
The course is also offered to exchange programme students.
Sprache
  • Griechisch (Lehre, Prüfung)
  • Englisch (Prüfung)
Allgemeine Kompetenzen
  • Anwendung des Wissens in der Praxis
  • Recherche, Analyse und Verarbeitung von Daten und Informationen mittels der Verwendung technologischer Medien
  • Anpassung an neue Situationen
  • Entscheidungsfähigkeit
  • Autonomes Arbeiten
  • Gruppenarbeit
  • Förderung des freien, kreativen und induktiven Denkens
Lehrmaterialien
  • Buch
  • Skript
Einsatz von Informations- und Kommunikationstechnologie
IKT-Nutzung
  • Einsatz von IKT in der Lehre
  • Einsatz von IKT in der Bewertung der Studierenden
Unterrichtsorganisation
ActivitiesArbeitsbelastungECTSEinzelarbeitGruppenarbeitErasmus
Vorlesungen39
Rezeption/ Analyse von Texten42
Projekt42
Erstellen einer Arbeit / v. Arbeiten39
Sonstiges / Sonstige63
Total225
Bewertung der Studierenden
Beschreibung des Verfahrens
  • Schriftliche Prüfung mit Multiple-Choice-Fragen (Endnote)
  • Schriftliche Prüfung mit kurzen Antworten auf Fragen (Endnote)
  • Schriftliche Prüf. mit ausführlichen Antworten auf Fragen (Endnote)
  • Schriftliche Prüfung mit Problemlösung (Endnote)
Empfohlene Bibliographie
zum Kurs (Eudoxos)
Διδακτικές Σημειώσεις
Weitere Bibliographie
- Machine Learning, T. Mitchell, McGraw Hill, 1997. - The Elements of Statistical Learning:Data Mining, Inference, and Prediction, T. Hastie, R. Tibshirani and J. Friedman, Springer, 2nd edition, 2009. - Machine Learning:The Art and Science of Algorithms that Make Sense of Data, Peter Flach, Cambridge University Press, 2012. - Introduction to Machine Learning with Python: A Guide for Data Scientists, Sarah Guido and Andreas C. Müller, O' Reilly Media, 2016. - Data Mining, Practical Machine Learning Tools and Techniques with Java Implementation (second edition), Ian Witten & Eibe Frank, Morgan Kaufmann, 2005. - Introduction to Machine Learning (Draft of incomplete Notes), Nils J. Nilsson, 2015 (https://ai.stanford.edu/~nilsson/mlbook.html) - Introduction to Machine Learning, Ethem Alpaydin, The MIT Press, October 2004. - Introduction to Data Mining. Pang-Ning Tan, Michael Steinbach and Vipin Kumar. Pearson Addison Wesley. 2005
Last Update
30-01-2020