Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage, die wichtigsten Themen der Mustererkennung mit ihrer Bedeutung zu erklären, wissenschaftliche Standardbeiträge zu verstehen und zusammenzufassen, kleine praktische Aufgaben mit den Methoden des Standes der technik umzusetzen und die Ergebnisse zu präsentieren, neue Methodik kritisch zu hinterfragen und zu diskutieren.

Behandelte Themen: Merkmalsextraktion, Einführung in strukturelle Methoden, Entscheidungsbäume und Clustermethoden, Gaussian mixture models, Kernmethoden, tiefes maschinelles Lernen

Dies LU ist vom "inverted class room" Modell inspiriert, jede Einheit ist einem Thema gewidmet.
Für jede Einheit sind mehrere Hausaufgaben auszuwählen und zu lösen: ein Lehr-Video oder ein Kapitel eines Buches zusammenzufassen, Literatursuche zu einem vorgegebenen Thema, Lösen kleiner praktischer Übungsbeispiele. Die ausgearbeiteten Themen werden in der darauffolgenden Einheit  von ausgewählten Studierenden vorgestellt und diskutiert. Das LVA-Team moderiert die Einheit.

4,5 ECTS * 25 h = 112,5 h

30 h Vorlesung (VO)
82,5 h Übung (UE):
- 32,5 h praktische Übungen
- 50 h  theoretische Übungen

Bis zu drei der gestellten Aufgaben können pro Einheit gelöst und in Form eines Textes und ein paar Folien illustriert werden. Insgesamt können 15 Punkte pro Einheit erreicht werden. Dazu gibt es noch Bonuspunkte für gute Diskussionbeiträge während der Einheit. Im Schnitt wird jeder Studierende zweimal zur Präsentation aufgrufen, die natürlich auf in die Bewertung eingeht.