Computational Intelligence- Statistical Learning
| Titel | Υπολογιστική Νοημοσύνη- Στατιστική Μάθηση / Computational Intelligence- Statistical Learning |
| Code | DMCI102 |
| Cycle / Level | 2. Magisterstudiengang |
| Semester | Winter |
| Coordinator | Anastasios Tefas |
| Common | Ja |
| Status | Aktiv |
| Course ID | 600016139 |
Studienplan: PMS PSĪFIAKA MESA - YPOLOGISTIKĪ NOĪMOSYNĪ (2018 éōs sīmera) PF
Registered students: 7
| 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 | 600288848
|
Course Type 2016-2020
- Grundlagenkenntnisse
- Allgemeinwissen
- Wissenschaftlicher Fachbereich
- Entwicklung von Fertigkeiten
Veranstaltungstyp
- Persönliche Anwesenheit
Elektronischer Zugang zu Unterrichtsmaterialien
- e-Study Guide https://qa.auth.gr/de/class/1/600288848
Erasmus
The course is also offered to exchange programme students.
Sprache
- Griechisch (Lehre, Prüfung)
- Englisch (Lehre, 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
- Produktion von neuen Forschungsideen
- Planung und Projektmanagement
- Kritik und Selbstkritik
- Förderung des freien, kreativen und induktiven Denkens
Lehrmaterialien
- Buch
- Skript
- Folien
- Audio
- Interaktive Übungen
Einsatz von Informations- und Kommunikationstechnologie
IKT-Nutzung
- Einsatz von IKT in der Lehre
- Einsatz von IKT in der Bewertung der Studierenden
Unterrichtsorganisation
| Activities | Arbeitsbelastung | ECTS | Einzelarbeit | Gruppenarbeit | Erasmus |
|---|---|---|---|---|---|
| Vorlesungen | 39 | ✓ | |||
| Rezeption/ Analyse von Texten | 86 | ✓ | |||
| Projekt | 60 | ✓ | |||
| Erstellen einer Arbeit / v. Arbeiten | 30 | ✓ | |||
| Prüfung | 10 | ✓ | |||
| Total | 225 |
Bewertung der Studierenden
Beschreibung des Verfahrens
- Schriftliche Prüfung mit kurzen Antworten auf Fragen (Endnote)
- Schriftliche Prüf. mit ausführlichen Antworten auf Fragen (Endnote)
- Schriftliche Prüfung mit Problemlösung (Entwicklung, Endnote)
- Öffentliche Präsentation (Entwicklung, Endnote)
Empfohlene Bibliographie
zum Kurs (Eudoxos)
1. Richard O. Duda, Peter E. Hart, David G. Stork, "Pattern Classification (2nd Edition)", John Wiley & Sons, 2000
2. Trevor Hastie, Robert Tibshirani, Jerome Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer-Verlag, 2008.
3. Διαφάνειες και υλικό σε ηλεκτρονική μορφή
4. Free E-books στα Αγγλικά
Weitere Bibliographie
Sergios Theodoridis, Konstantinos Koutroumbas, "Pattern Recognition", Academic Press, 1999.
Last Update
22-03-2024
