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

Lehrveranstaltungen:

• • Mathematische Grundlagen zu Künstliche Intelligenz, Neuronale Netze und Data Analytics II (Mathematical Basics of Artificial Intelligence, Neural Networks and Data Analytics II)
    (Vorlesung, Hans Georg Zimmermann et al., ab 19.4.2022; The lecture takes place as an online-lecture via zoom, the login-data can be found in the StudON-course. The course is an online event and takes place from Tuesday, April 19th to Friday, April 22th and on Monday, April 25th. Each day, 4 lectures take place. There will also be additional meetings in presence.)

Empfohlene Voraussetzungen:

Weitere Informationen finden sich im Modulhandbuch der Mathematik, siehe https://www.math.fau.de/studium/im-studium/infocenter/pruefungen/modulhandbuecher-des-departments/.

Inhalt:

Weitere Informationen finden sich im Modulhandbuch der Mathematik, siehe https://www.math.fau.de/studium/im-studium/infocenter/pruefungen/modulhandbuecher-des-departments/.

Lernziele und Kompetenzen:

Weitere Informationen finden sich im Modulhandbuch der Mathematik, siehe https://www.math.fau.de/studium/im-studium/infocenter/pruefungen/modulhandbuecher-des-departments/.

Literatur:

Weitere Informationen finden sich im Modulhandbuch der Mathematik, siehe https://www.math.fau.de/studium/im-studium/infocenter/pruefungen/modulhandbuecher-des-departments/.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

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)

Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 15, benotet, 5 ECTS

Anteil an der Berechnung der Modulnote: 100.0 %

Erstablegung: SS 2022, 1. Wdh.: SS 2022

1. Prüfer:

Hans Georg Zimmermann