Knowledge Discovery

Dr. Färber macht die VL nicht gut, sein Übungsleiter tut alles um das auszugleichen, kann aber auch nur scheitern. Viel zu hohe Ansprüche. Krasse Boni-Challenge. Nichts für Neueinsteiger in dem Themengebiet. Generell schlecht erklärt (und das bei schwierigem Stoff).

Semester der Prüfung: WS20-21

Didaktisch extrem schlecht, Themen werden schlecht erklärt. Jeder, der Interesse am Thema hat, ist mit YouTube Videos besser bedient.
Die Klausur war sehr stark auf Transfer ausgelegt, die Tutorien entsprechem dem Niveau der Klausur nicht, man sollte sich eher auf die Vorlesung konzentrieren.

Semester der Prüfung: WS20-21

Inhaltlich vermittelt die Vorlesung ein sehr breit gefächertes Bild von allen möglichen Machine Learning / Artificial Intelligence Grundkenntnissen bis hin zu state-of-the-art Ansätzen. Wenn man sich sehr für das Thema interessiert kann man die Veranstaltung als Einstiegspunkt in das Thema besuchen. Allerdings leidet die Qualität der Lehre extrem unter dem breiten Angebot, die Themen werden sehr knapp und sehr schlecht erklärt, Vorlesungsfolien bieten auch nicht mehr Verständnis und auch die Strukturierung des Stoffes ist fragwürdig. Um eine Chance zu haben die doch relativ komplexen Inhalte wirklich zu verstehen muss man sich auf viele Stunden auf YouTube gefasst machen.

Über die Klausur wusste man leider auch praktisch gar nichts außer dass alles relevant sei und man alles können muss. Alle anderen Fragen bezüglich des groben Formats etc. wurde einfach ignoriert. Die Klausur war ähnlich wie die Vorlesung selbst viel zu viele kleine Aufgaben, die zu einem guten Anteil Transferaufgaben waren, welche man durch Wissen aus VL und Übung allein nicht hätte beantworten können mMn. Großes Problem war dabei die extrem knappe Zeit, da man keine Zeit hatte über den Transfer nachzudenken. Wenn die Idee zur Lösung der Aufgabe nicht direkt kam hatte man Pech.

Positiv war die Übung, in welcher ein wenig ergänzendes Verständnis geboten wurde. Für 0,3 Bonus konnte man ein Bonusblatt abgeben, was sehr wenig Aufwand darstellte. Für 0,3 - 0,7 mehr gab es noch eine Challenge, in der ein ML-Ansatz umgesetzt werden soll. Dieser Teil war jedoch ohne gute Vorkenntnisse zeitlich nicht empfehlenswert.

Fazit: Sehr interessanter Inhalt, sehr schlecht dargestellt, gute Bonusmöglichkeiten, Klausur nicht ohne. Empfehlung nur, wenn man sich bewusst ist dass KI wirklich hauptsächlich Mathematische Modelle verstehen ist und man sich sehr dafür interessiert.

Semester der Prüfung: WS20-21

Der Kommentator würde diese Veranstaltung empfehlen.

Inhaltlich sehr interessante Vorlesung, die einen wirklich fundierten Einblick in verschiedene verschiedene Machine Learning/Data Mining Verfahren gibt. Die Folien sind leider nicht wirklich gut strukturiert oder aussagekräftig, der Vorlesungs- und Übungsbesuch lohnt sich hier auf jeden Fall. Es gibt die Möglichkeit mit einem Bonusübungsblatt, das kein großer Aufwand ist 3 Bonuspunkte zu holen. Zusätzlich gibt es eine Challenge, in der man ein Machine Learning Modell implementieren muss (z.B. in Python). Liegt die Performance des Modells über der sehr gut zu erreichenden Baseline gibt es nochmal 3 Bonuspunkte und das beste Team erhält nochmal 3 Bonuspunkte.
Die Klausur war bei uns sehr fair und übungsnah gestellt.

Semester der Prüfung: WS18-19

Der Kommentator würde diese Veranstaltung empfehlen.

Die Veranstaltung gibt einen breiten Überblick über Maschinelles Lernen und Data Mining Methoden. Es gibt dabei zwei verschiedene Bonusaufgaben zu lösen, welche in der Gruppe mit ein wenig Aufwand aber auch lösbar sind.
Es empfiehlt sich auf jeden Fall in einer Lerngruppe für das Fach zu lernen!
Die Klausur war bei uns sehr fair.

Semester der Prüfung: WS18-19

Der Kommentator würde diese Veranstaltung empfehlen.

Interessanter Stoff, der zahlreiche Methoden des maschinellen Lernens abdeckt! Die Klausur war fair und bei entsprechender Vorbereitung sehr gut zu bestehen. Über zwei unterschiedliche Bonusaufgaben können bis zu 1,0 Bonus auf die Klausur gewonnen werden (realistisch sind 0,7).

Semester der Prüfung: WS18-19

Der Kommentator würde diese Veranstaltung empfehlen.

Im Gegensatz zu anderen Kommentaren finde ich das Fach sehr gut als Einführung in das Machine Learning geeignet. Die Methoden werden anschaulich erklärt und man kann auch praktische Erfahrungen sammeln. Durch Gruppenarbeit kann man einen Bonus für die Klausur erwerben. Die Gruppenchallenge wurde im WS21/22 wieder etwas einfacher gestaltet, nachdem der Bonus-Threshold im WS20/21 wohl zu hoch angsetzt war. Die Klausur war eine gute Mischung aus Übungsaufgaben und auswendig lernen. Ich habe durch das Fach einen guten Überblick über das Machine-Learning und fortgeschrittene Themen erhalten.

Semester der Prüfung: WS21-22

Der Kommentator würde diese Veranstaltung empfehlen.

Anwendungsbezogene ML Vorlesung. Ich wurde mündlich geprüft, der Prüfer war sehr nett, es wurde sehr detailliert über einzelne Themen gesprochen, dafür aber nur sehr wenig der Vorlesung abgedeckt. Dazu wurden auch Dinge gefragt, die nicht explizit aus den Vorlesungen hervorgingen. Insgesamt aber ein nettes Gespräch und faire Bewertung.

Semester der Prüfung: WS20-21

Der Kommentator würde diese Veranstaltung empfehlen.

Prüfung ist ziemlich schwer und ohne Vorwissen eher nicht zu empfehlen

Semester der Prüfung: WS17-18

schlechter stoff und viel eigene arbeit nötig für eine gute leistung
definitiv nicht für neueinsteiger in das thema maschinelles lernen geeignet

Semester der Prüfung: WS22-23

The exam was more transfer oriented and the questions laid more focus on understanding and theory rather than calculations such as in exercises. I would focus more on the lecture than the exercise. Overall the bonus sheet and challenge makes it available to get a fair note.

Semester der Prüfung: WS20-21

Der Kommentator würde diese Veranstaltung empfehlen.

Ich kann mich den anderen Kommentatoren nur anschließen: die Klausur war sehr transferlastig und schwer. Die Vorlesung ist langweilig vorgetragen und die Übung ist leichter als die Klausur.
Die Bonuschallenge ist nichts für diejenigen, die Python "so ein bisschen beherrschen". Das war viel zu aufwändig und kompliziert und hat auch mit der Vorlesung mMn nur bedingt etwas zu tun gehabt.
Mit sehr viel Aufwand kann man eine gute/ sehr gute Note erhalten.

Semester der Prüfung: WS20-21

Der Kommentator würde diese Veranstaltung empfehlen.