Relevanz des Vorlesungsbesuches
Hinblicklich: Folien selbsterklärend, Vorlesung behandelt zusätzlichen Stoff |
|
Nicht Prüfungsrelevant | Sehr prüfungsrelevant |
|
|
Gestaltung der Vorlesung
|
|
Uninteressant | Sehr interessant |
|
|
Qualität der Vorlesungsmaterialien
Hinblicklich: Vollständigkeit, Struktur |
|
Materialien schlecht | Materialien gut |
|
|
Reproduktion | Transfer |
|
|
Nicht rechenlastig | Sehr rechenlastig |
|
|
Aufwand < ECTS | Aufwand > ECTS |
|
|
Prüfungsvorbereitung schlecht | Prüfungsvorbereitung gut |
|
|
Reproduktion | Transfer |
|
|
Nicht rechenlastig | Sehr rechenlastig |
|
|
Aufwand < ECTS | Aufwand > ECTS |
|
|
Prüfungsvorbereitung schlecht | Prüfungsvorbereitung gut |
|
|
Kommentare und Einzelbewertungen
− 4+
Die Veranstaltung gibt einen relativ oberflächlichen Überblick über gängie ML-Algorithmen und sonstige Grundlagen. In den Übungen werden vorwiegend Paper vorgestellt, wo unterschiedliche Tehmen (vorwiegend aus dem BWL-Bereich) mittels ML-Techniken behandelt werden. In 1-2 Tutorien werden einfache Aufgaben gerechnet (Entropie, Gini o.ä.). Die Paper sind nicht relevant für die Klausur.
Zum Ende des Semesters gibt es ein größeres Projekt, wo quasi alle erlernten Algorithmen angewandt werden. Das Projekt ist interessant und gibt bis zu 10% Bonus (2 Notenschritte) und man hat mehr als 1 Monat Zeit dafür.
Die Prüfung ist ziemlich nah an der Altklausur und kommt ohne große Transferaufgaben daher. Es wurden 1-2 Unteraufgaben gestellt, die nur mündlich in der Vorlesung erwähnt wurden, diese gaben aber nicht sonderlich viele Punkte. Sehr gute Noten sind mit dem Lernen der Folien + Rechnungen der Tutorien möglich. Ca. 40% einfache Rechenaufgaben
Das Englisch des Dozenten sind etwas hakelig, weshalb ich vorwiegend mit den Folien gelernt und die Übungen geskippt habe.
Semester der Prüfung: SS21
− 1+
Der Kurs kann auch ohne Vorkenntnisse besucht werden, da sie einen Überblick über die relevanten Methoden im Machine Learning gibt. Jedoch muss für die Bonusaufgabe programmiert werden. Programmiersprache ist dabei frei wählbar, der Dozent gibt einen Zugang zu DataCamp (Lernsoftware für Data Science/Programmieren)
Der Kurs wirkte auf mich etwas unorganisiert und der Vorlesung ist schwer zu folgen. Der Dozent ist oft abgeschwiffen oder hat sich mit (vermeintlichen) Kleinigkeiten aufgehalten. Es gab am Ende der VL oft einen Teil mit praktischen Beispielen, die schwer nachzuvollziehen waren und wenig Mehrwert brachten.
Die Übungen waren zum Teil überflüßig, da nur oberflächlich Programmiercode betrachtet wurde. Andere Termine behandelten eine Aufgabe die 1:1 in der Klausur drankam.
Für die Klausur gab es einige Altklausuren, die erstmal recht einfach wirkten. Die Klausur im SS22 war jedoch besonders schwer. Es wurden Rechenaufgaben gestellt die auf diese Weise nur theoretisch behandelt wurden und nie in der Übung oder in sonstigen Beispielen berechnet wurden. Dafür die eine Aufgabe die man hätte auswendig wissen können.
Dank Bonusaufgabe gerade so bestanden.
Semester der Prüfung: SS22
Einzelbewertung