inf5452 - Aktuelle Themen des Vertrauenswürdigen Maschinellen Lernen (Vollständige Modulbeschreibung)

Modulbezeichnung	Aktuelle Themen des Vertrauenswürdigen Maschinellen Lernen
Modulkürzel	inf5452
Kreditpunkte	3.0 KP
Workload	90 h
Einrichtungsverzeichnis	Department für Informatik
Verwendbarkeit des Moduls	Master Engineering of Socio-Technical Systems (Master) > Embedded Brain Computer Interaction Master Engineering of Socio-Technical Systems (Master) > Human-Computer Interaction Master Engineering of Socio-Technical Systems (Master) > Systems Engineering Master Informatik (Master) > Angewandte Informatik Master Wirtschaftsinformatik (Master) > Akzentsetzungsmodule der Informatik
Zuständige Personen	Strodthoff, Nils (Modulverantwortung) Lehrenden, Die im Modul (Prüfungsberechtigt)
Teilnahmevoraussetzungen	Grundlagenvorlesung im Bereich Maschinelles Lernen und / oder Deep Learning Vorkenntnisse
Kompetenzziele	Fachkompetenzen Die Studierenden: haben einen exemplarischen Überblick über Herausforderungen und exemplarische, existierende Lösungsansätze in den jeweiligen Problemfeldern und können diese in den breiteren Methodenkontext einordnen. Methodenkompetenzen Die Studierenden: können sich selbstständig Themen unter Zuhilfenahme von aktueller Forschungsliteratur erarbeiten und kritisch reflektieren. Sozialkompetenzen Die Studierenden: können Vor- und Nachteile von existierenden Lösungsmöglichkeiten in der Literatur präsentieren und im Plenum kritisch diskutieren. Selbstkompetenzen Die Studierenden: können ihre eigene Fach- und Methodenkompetenz einschätzen. Sie übernehmen die Verantwortung für ihre Kompetenzentwicklung und ihre Lernfortschritte und reflektieren diese selbstständig. Zudem erarbeiten sie selbstständig die Lerninhalte und können die Inhalte kritisch reflektieren.
Modulinhalte	Dieses Seminar vermittelt Einblicke in verschiedene Aspekte des vertrauenswürdigen Maschinellen Lernens. Dabei sollen je nach Instantiierung des Moduls verschiedene Schwerpunkte gesetzt werden, wie beispielsweise Interpretierbarkeit/Erklärbarkeit, Unsicherheitsquantifizierung oder Robustheit.
Literaturempfehlungen
Links
Unterrichtssprache	Englisch
Dauer in Semestern	1 Semester
Angebotsrhythmus Modul	jedes Wintersemester
Aufnahmekapazität Modul	unbegrenzt
Lehr-/Lernform	S
Vorkenntnisse	Grundlagenvorlesung im Bereich Maschinelles Lernen und / oder Deep Learning Vorkenntnisse

Prüfung	Prüfungszeiten	Prüfungsform
Gesamtmodul	am Ende der Vorlesungszeit/ Zwischenprüfungen	mündl. Prüfung / Portfolio / Referat

Lehrveranstaltungsform	Seminar
SWS	2
Angebotsrhythmus	siehe Angebotsrhythmus Modul