Machine Learning
| Titel | Μηχανική Μάθηση / Machine Learning |
| Code | DWS101 |
| Cycle / Level | 2. Magisterstudiengang |
| Semester | Winter |
| Coordinator | Ioannis Vlachavas |
| Common | Ja |
| Status | Aktiv |
| Course ID | 600015628 |
Studienplan: PMS EPISTĪMĪ DEDOMENŌN KAI PAGKOSMIOU ISTOU (2018 éōs sīmera) PF
Registered students: 12
| Fachrichtung | Form des Kursbesuchs | Semester | Jahr | ECTS |
|---|---|---|---|---|
| KORMOS | YPOCΗREŌTIKO KAT EPILOGĪN | 1 | 1 | 7.5 |
| Akademisches Jahr | 2025 – 2026 |
| Kurslehrdauer | Winter |
| Faculty Instructors |
|
| Weekly Hours | 3 |
| Class ID | 600288836
|
Course Type 2016-2020
- Wissenschaftlicher Fachbereich
- Entwicklung von Fertigkeiten
Veranstaltungstyp
- Persönliche Anwesenheit
Elektronischer Zugang zu Unterrichtsmaterialien
- e-Study Guide https://qa.auth.gr/de/class/1/600288836
- eLearning (Moodle): https://elearning.auth.gr/course/view.php?id=8135
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
- Arbeit in einem internationalen Umfeld
- Arbeit in einem multidisziplinären Umfeld
- Produktion von neuen Forschungsideen
- 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 Laborausbildung
- Einsatz von IKT in der Bewertung der Studierenden
Unterrichtsorganisation
| Activities | Arbeitsbelastung | ECTS | Einzelarbeit | Gruppenarbeit | Erasmus |
|---|---|---|---|---|---|
| Vorlesungen | 33 | ✓ | |||
| Rezeption/ Analyse von Texten | 42 | ✓ | |||
| Übung | 6 | ✓ | |||
| Projekt | 42 | ✓ | |||
| Erstellen einer Arbeit / v. Arbeiten | 39 | ✓ | |||
| Sonstiges / Sonstige | 63 | ✓ | |||
| Total | 225 |
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.
- Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition, 2019
- Introduction to Machine Learning. Ethem Alpaydin, The MIT Press, March 2020.
- Introduction to Machine Learning with Python: A Guide for Data Scientists, Sarah Guido and Andreas C. Müller, O' Reilly Media, 2016.
- Τεχνητή Νοημοσύνη, Δ' Έκδοση, Ι.Βλαχάβας, Π.Κεφαλάς, Ν. Βασιλειάδης, Φ.Κόκκορας και Η. Σακελλαρίου. Εκδόσεις Πανεπιστημίου Μακεδονίας, Θεσσαλονίκη 2020
- Introduction to Machine Learning (Draft of incomplete Notes), Nils J. Nilsson, 2015 (https://ai.stanford.edu/~nilsson/mlbook.html)
Last Update
05-12-2023
