Hauptinhalt überspringenNavigation überspringenFooter überspringen
Logo der Fachhochschule Nordwestschweiz
Studium
Weiterbildung
Forschung und Dienstleistungen
Internationales
Die FHNW
De
Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien

      Logo der Fachhochschule Nordwestschweiz
      • Studium
      • Weiterbildung
      • Forschung und Dienstleistungen
      • Internationales
      • Die FHNW
      De
      Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien
      Module
      Effiziente Machine Learning Algorithmen

      Effiziente Machine Learning Algorithmen

      Nummer
      eml
      ECTS
      3.0
      Spezifizierung
      Analysieren und Implementieren von effizienten ML Algorithmen
      Anspruchsniveau
      Advanced
      Inhalt

      Machine Learning Algorithmen setzen mathematische Modelle in Code um und ermöglichen so, aus Daten Muster zu extrahieren, welche zur Vorhersage und anderen Zwecken eingesetzt werden können. Rechnerische Effizienz ist dabei von grosser Bedeutung, da zum Finden optimaler Modell-Koeffizienten und Hyperparameter oft sehr viele Rechenoperationen ausgeführt werden müssen.


      Die Implementierung von Machine Learning Algorithmen ist somit im Kern das effiziente Verwenden numerischer Operationen auf geeigneten Datenstrukturen. Es können dazu einerseits theoretische Überlegungen zu Operationenanzahl und Laufzeit angestellt werden, andererseits müssen auch praktische Rahmenbedingungen, wie beispielsweise die physische Verteilung von Daten über verschiedene Speichermedien hinweg, die Transportkosten von Daten und Rechenanweisungen etc. berücksichtigt werden.

      Lernergebnisse

      Grundlagen effizienten numerischen Rechnens

      Studierende verstehen theoretische Laufzeit-Berechnungen und können sie als Entscheidungsgrundlage für die Wahl von Algorithmen einsetzen. Sie können Algorithmen auf ihre Laufzeit analysieren. Sie sind mit dem Bau von Rechnern und Rechner-Infrastruktur vertraut. Sie wissen wie Rechenoperationen darauf ausgeführt werden kann und wie dies die Laufzeiten praktisch beeinflusst.


      Effiziente Algorithmen und Datenstrukturen

      Die Studierenden sind mit verschiedenen Methoden und Datenstrukturen der effizienten Programmierung vertraut:


      Dynamic Programming, Greedy Algorithms, Memoisation, Metaheuristiken (Genetic, Ant Colony, Particla Swarm Optimisation, ...), Linear Programming, and Binary Search Trees.


      Effiziente Implementierung von ML-Algorithmen und deren Analyse

      Studierende können effiziente Implementierungen von standard ML-Algorithmen vornehmen: Random Forests, MLP, kMeans, kNN, .. und deren rechnerische Effizienz / Laufzeit abschätzen und vermessen.

      Modulbewertung
      Note
      Baut auf folgenden Modulen auf
      Grundkompetenz Machine Learning, Grundkompetenz Programmieren, Algorithmen Programmieren, Softwarekonstruktion
      Modultyp
      Portfoliomodul
      (Englische Version)

      Studium

      Angebot

      • Studium
      • Weiterbildung
      • Forschung & Dienstleistungen

      Über die FHNW

      • Hochschulen
      • Organisation
      • Leitung
      • Facts and Figures

      Hinweise

      • Datenschutz
      • Accessibility
      • Impressum

      Support & Intranet

      • IT Support
      • Login Inside-FHNW

      Member of: