Eckdaten
Um sich dieses Fachwissen anzueignen, können Sie den Schwerpunkt Machine Learning im Rahmen der folgenden Masterstudiengänge absolvieren:
- Computer Science
Möchten Sie die nächste Generation von Algorithmen für Machine Learning entwerfen oder ein Experte*eine Expertin für Anwendungen des Machine Learning werden? In diesem Studiengang können Sie Ihr Wissen über Machine Learning mit anderen aktuellen Themen wie Robotik, Sicherheit oder Softwareentwicklung kombinieren. Erfahren Sie mehr über den Studiengang Computer Science.
- Softwareentwicklung und Management
Machine Learning wird zu einem wichtigen Wirtschaftsfaktor. Planen Sie Ihr eigenes Unternehmen? Kombinieren Sie Machine Learning mit betriebswirtschaftlichen Kenntnissen und Managementwissen. Erfahren Sie mehr über den Studiengang Softwareentwicklung und -management.
Der Major Machine Learning umfasst je nach Studiengang Lehrveranstaltungen im Ausmaß von 50 bis 60 ECTS-Punkten.
Machine Learning im Studium
Inhalte im Major
Die TU Graz betreibt Spitzenforschung auf dem Gebiet von Machine Learning. In den beiden englischsprachigen Masterstudien Computer Science und Software Engineering and Management können sich Studierende auf Machine Learning spezialisieren.
Es werden vertiefende Vorlesungen und Praktika angeboten, die die verschiedenen Aspekte von Machine Learning abdecken, von den Grundlagen über Deep Learning, Reinforcement Learning, adaptive Systeme, Optimierung, Data Mining, Knowledge Discovery bis hin zu Prinzipien der brain computation.
Die Grundlage für die Spezialisierung im Masterstudiengang wird im Bachelorstudiengang gelegt: Machine Learning ist ein wichtiger Bestandteil der Bachelor-Studiengänge Informatik, Information and Computer Engineering und Software Engineering and Mangement.
Kontakt
Bei inhaltlichen Fragen zum Major:
deansoffice.csbme@tugraz.at
Fakultät für Informatik und Biomedizinische Technik
Bei Fragen zur Zulassung:
study@tugraz.at
Machine Learning Forschung
Forschungsgebiete
In unseren Studiengängen werden Sie in den Kernthemen des Machine Learning ausgebildet:
- Grundlagen Machine Learning: Sie lernen die mathematischen Grundlagen des Machine Learning, der Optimierung und der Statistik kennen. Grundlegende Lernalgorithmen und ihre theoretische Basis werden diskutiert.
- Deep Learning: Deep Learning hat sich als eine Methode des Machine Learning herauskristallisiert. Sie lernen, wie Sie effektive Deep-Learning-Systeme entwerfen und trainieren können.
- Reinforcement Learning: Entwurf von Agenten, die selbstständig handeln und lernen.
- Machine Learning Architectures: Hier diskutieren wir Architekturen künstlicher und biologischer intelligener Systeme. Wie ist das Gehirn für Berechnungen und Lernen strukturiert, und wie entwerfen wir große Systeme für Machine Learning?
- Data Mining and knowledge discovery: Hier lernen Sie den Umgang mit großen Datenmengen sowie deren Analyse und wie sie Wissen aus ihnen gewinnen.
- Signal Processing: Lernen Sie adaptive und nichtlineare Signalverarbeitungsmethoden kennen, wobei der Schwerpunkt auf der Sprachverarbeitung liegt, die zu Spracherkennung, Sprachsynthese und Dialogsystemen führt.
