Übung: 6063UE Applied Artificial Intelligence Lab - Details

Übung: 6063UE Applied Artificial Intelligence Lab - Details

Nachrichtenbox schließen
Sie sind nicht in Stud.IP angemeldet.

Allgemeine Informationen

Veranstaltungsname Übung: 6063UE Applied Artificial Intelligence Lab
Untertitel
Veranstaltungsnummer 6063UE
Semester SoSe 26
Aktuelle Anzahl der Teilnehmenden 23
erwartete Teilnehmendenanzahl 20
Heimat-Einrichtung Professur für Angewandtes Maschinelles Lernen
Veranstaltungstyp Übung in der Kategorie Lehre (mit Prüfung)
Nächster Termin Donnerstag, 23.04.2026 14:00 - 17:00 Uhr, Ort: (WIWI) SR 027
Art/Form

Räume und Zeiten

(WIWI) SR 029
Donnerstag: 13:00 - 16:00, wöchentlich (10x)
Donnerstag, 23.07.2026 13:00 - 16:00
(WIWI) SR 027
Donnerstag, 23.04.2026, Donnerstag, 16.07.2026 14:00 - 17:00
(WIWI) SR 034
Donnerstag, 30.07.2026 13:00 - 16:00

Modulzuordnungen

Kommentar/Beschreibung

Admission: There is limited seats available. We will first fill seats from the waiting list of last semester. Priority for students of the Master AI Engineering. To be admitted to the class, please write an email to florian.lemmerich@uni-passau.de AND max.klabunde@uni-passau.de with subject "AILab26"; Include if you are on the waiting list and add information on your study semester.

Time and Place: Thursday, 13.00h to 16.00h, room still pending.

Artificial Intelligence, in particular machine learning, is more and more applied in a wide range of real-world settings. In this application-focused course, students will work in small teams to engineer AI solutions to given practical scenarios. Each team will be provided a specific problem setting, e.g. from scientific challenges like the KDD Cup or a Kaggle competition. Typically, such a setting consists of a dataset, a specific task (e.g., a prediction or recommendation task), and an evaluation measure for obtained results. Under guidance, each team will then perform the necessary steps to develop and optimize their solution, generally including:

1. Data understanding and exploration
2. Data Preprocessing
3. Feature selection and engineering
4. Model validation
5. Hyperparameter optimization
6. Ensembling

Results of the individual teams will be presented in the course by each team to the other course participants in small presentations and summarized in a project report.

Participants are expected to know the fundamentals of Machine Learning (as taught, e.g., in Advanced Topics in Data Science or Introduction to AI Engineering) well, and are assumed to be proficient in a suitable programming language, preferably Python.

Anmelderegeln

Diese Veranstaltung gehört zum Anmeldeset "Anmeldung gesperrt (global)".
Folgende Regeln gelten für die Anmeldung:
  • Die Anmeldung ist gesperrt.

Anmeldemodus

Die Auswahl der Teilnehmenden wird nach der Eintragung manuell vorgenommen.

Nutzer/-innen, die sich für diese Veranstaltung eintragen möchten, erhalten nähere Hinweise und können sich dann noch gegen eine Teilnahme entscheiden.