UnivIS
Informationssystem der Friedrich-Alexander-Universität Erlangen-Nürnberg © Config eG 
FAU Logo
  Sammlung/Stundenplan    Modulbelegung Home  |  Rechtliches  |  Kontakt  |  Hilfe    
Suche:      Semester:   
 
 Darstellung
 
Druckansicht

  
 

Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II (Prüfungsordnungsmodul)5 ECTS
(englische Bezeichnung: Mathematical foundations of Artificial Intelligence, Neural Networks and Data Analytics)

Stand der importierten Daten ("mein campus"-Datenabzug): 06.05.2022 11:34

POS-pordnr:142962Prüfungsnummer:65723Eigene Seite im Modulhandbuch:nein

Zuordnung zu Studiengängen, Validierung, Einpassung in die Musterstudienpläne:

Computational and Applied Mathematics (Master of Science)Prüfungsordnungsversion 2017w:
Prüfungsordnungsversion 2019w:
Data Science (Bachelor of Science)Prüfungsordnungsversion 2020w:
Prüfungsordnungsversion 2022s:
Data Science (Master of Science)Prüfungsordnungsversion 2021w:
Mathematik (Master of Science) (für Validierung verantwortlich)Prüfungsordnungsversion 2014w:
Prüfungsordnungsversion 2015w:
Prüfungsordnungsversion 2019w:
Wirtschaftsmathematik (Master of Science)Prüfungsordnungsversion 2014w:
Prüfungsordnungsversion 2015w:
Prüfungsordnungsversion 2019w:

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

  1. Computational and Applied Mathematics (Master of Science)
    (Po-Vers. 2017w | NatFak | Computational and Applied Mathematics (Master of Science) | Specialisation: Modeling and applied analysis (MApA) and optimization (Opti) | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  2. Computational and Applied Mathematics (Master of Science)
    (Po-Vers. 2017w | NatFak | Computational and Applied Mathematics (Master of Science) | Specialisation: Numerical analysis and simulation (NASi) and optimization (Opti) | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  3. Computational and Applied Mathematics (Master of Science)
    (Po-Vers. 2019w | NatFak | Computational and Applied Mathematics (Master of Science) | Gesamtkonto | Specialisation: Modeling and applied analysis (MApA) and optimization (Opti) | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  4. Computational and Applied Mathematics (Master of Science)
    (Po-Vers. 2019w | NatFak | Computational and Applied Mathematics (Master of Science) | Gesamtkonto | Specialisation: Numerical analysis and simulation (NASi) and optimization (Opti) | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  5. Data Science (Bachelor of Science)
    (Po-Vers. 2020w | Vertiefungsrichtungen | Mathematische statistische Datenanalyse (MSD) | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  6. Data Science (Bachelor of Science)
    (Po-Vers. 2020w | Vertiefungsrichtungen | Nicht gewählte Vertiefungsrichtungen | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  7. Data Science (Bachelor of Science)
    (Po-Vers. 2022s | Gesamtkonto | Vertiefungsrichtungen | Mathematische statistische Datenanalyse (MSD) | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  8. Data Science (Bachelor of Science)
    (Po-Vers. 2022s | Gesamtkonto | Vertiefungsrichtungen | Nicht gewählte Vertiefungsrichtungen | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  9. Data Science (Master of Science)
    (Po-Vers. 2021w | Gesamtkonto | Studienrichtung Machine Learning / Artificial Intelligence | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  10. Data Science (Master of Science)
    (Po-Vers. 2021w | Gesamtkonto | Studienrichtung Mathematisch statistische Datenanalyse. | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  11. Mathematik (Master of Science)
    (Po-Vers. 2014w | NatFak | Mathematik (Master of Science) | alte Prüfungsordnungen | Gesamtkonto | Studienrichtung Modellierung, Simulation und Optimierung | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  12. Mathematik (Master of Science)
    (Po-Vers. 2015w | NatFak | Mathematik (Master of Science) | Gesamtkonto | Studienrichtung Modellierung, Simulation und Optimierung | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  13. Mathematik (Master of Science)
    (Po-Vers. 2019w | NatFak | Mathematik (Master of Science) | Gesamtkonto | Studienrichtung Modellierung, Simulation und Optimierung | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  14. Wirtschaftsmathematik (Master of Science)
    (Po-Vers. 2014w | NatFak | Wirtschaftsmathematik (Master of Science) | Gesamtkonto | Studienrichtung Optimierung und Prozessmanagement | Kernmodule Studienrichtung Optimierung und Prozessmanagement | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  15. Wirtschaftsmathematik (Master of Science)
    (Po-Vers. 2014w | NatFak | Wirtschaftsmathematik (Master of Science) | Gesamtkonto | Studienrichtung Optimierung und Prozessmanagement | Forschungsmodule Studienrichtung Optimierung und Prozessmanagement | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  16. Wirtschaftsmathematik (Master of Science)
    (Po-Vers. 2015w | NatFak | Wirtschaftsmathematik (Master of Science) | Studienrichtung Optimierung und Prozessmanagement | Kernmodule Studienrichtung Optimierung und Prozessmanagement | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  17. Wirtschaftsmathematik (Master of Science)
    (Po-Vers. 2015w | NatFak | Wirtschaftsmathematik (Master of Science) | Studienrichtung Optimierung und Prozessmanagement | Forschungsmodule Studienrichtung Optimierung und Prozessmanagement | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  18. Wirtschaftsmathematik (Master of Science)
    (Po-Vers. 2019w | NatFak | Wirtschaftsmathematik (Master of Science) | Gesamtkonto | Studienrichtung Optimierung und Prozessmanagement | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  19. Wirtschaftsmathematik (Master of Science)
    (Po-Vers. 2019w | NatFak | Wirtschaftsmathematik (Master of Science) | Gesamtkonto | Mathematische Wahlpflichtmodule | Studienrichtung Modellierung, Simulation und Optimierung | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  20. Wirtschaftsmathematik (Master of Science)
    (Po-Vers. 2019w | NatFak | Wirtschaftsmathematik (Master of Science) | Gesamtkonto | Mathematische Wahlpflichtmodule | Specialisation: Modeling and applied analysis (MApA) and optimization (Opti) | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)
  21. Wirtschaftsmathematik (Master of Science)
    (Po-Vers. 2019w | NatFak | Wirtschaftsmathematik (Master of Science) | Gesamtkonto | Mathematische Wahlpflichtmodule | Specialisation: Numerical analysis and simulation (NASi) and optimization (Opti) | Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II)

Studien-/Prüfungsleistungen:

    Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II (Prüfungsnummer: 57231)
    (englische Bezeichnung: Mathematical foundations of Artificial Intelligence, Neural Networks and Data Analytics)
    Prüfungsleistung, mündliche Prüfung, Dauer: 15 min, Drittelnoten (mit 4,3), 5 Leistungspunkte
    Anteil an der Berechnung der Modulnote: 100.0 %
    pordnr: 142963, pmaxver: 3, pmaxvbe: 1

UnivIS-Module:

Diesem Prüfungsordnungsmodul wurden noch keine UnivIS-Module zugeordnet.

UnivIS ist ein Produkt der Config eG, Buckenhof