ILIAS Lernplattform
2302200 – Praktisches Machine Learning
SS 2026
KIT-Fakultät für Elektrotechnik und Informationstechnik
Organisationseinheiten
Magazin
Hilfe
Sprache
Deutsch
English
Anmelden
0
0
Mehr zeigen
Tools
Magazin
Mehr
Hilfe
Magazin - Einstiegsseite
Baumansicht
...
Schließen
Magazin
Organisationseinheiten
KIT-Fakultät für Elektrotechnik und Informationstechnik
SS 2026
2302200 – Praktisches Machine Learning
Aktionen
Mehrere Objekte herunterladen
2302200 – Praktisches Machine Learning
Allgemeine Informationen
Wichtige Informationen
The number of projects per semester is limited to a maximum of 20.
The Practical Machine Learning lecture is offered in a hybrid format.
-> In-person attendance: Seminar Room 120.1, Building 06.35, West Campus.
-> Online attendance: Live stream via Zoom
--> You can find the Zoom meeting link under the Content tab on the ILIAS platform in the lecture's course area.
Participation via Zoom is voluntary. Please review the important information on using Zoom in advance at:
https://www.zml.kit.edu/zoom-studierende.php
Kursprogramm
-> Theoretical part:
--- > Block lecture (07.04 – 17.04) from 10:00 to 12:00.
-> Practical part (27.04 – 19.06).
---> Peer review process (22.06 - 17.07).
-> Presentation of results (27.07 – 31.07).
Zielgruppe
Masterstudierende / Master's students
Veranstaltungsdaten
Dozent(en)
Dr. rer. nat. Hamza Aziz Ahmad Gardi
Studiengang
Elektrotechnik und Informationstechnik
Abschluß
Master
SWS
2+2 ((Die Anzahl der semesterbegleitenden Projekte ist auf maximal 20 pro Semester beschränkt.))
Credits
6
Start
7. Apr 2026
Ende
31. Jul 2026
Veranstaltungsart
Blockveranstaltung
Modulart
Wahlfach
Ort
Hybrid: (Online: via Zoom; On-site: Room 121, Building 06.35)
Termin
07.04.2024 - 17.04.2024, täglich von 10:00 - 12:00 Uhr
Zyklus
täglich
Allgemein
Sprache
Deutsch
Copyright
All rights reserved
Kontakt
Name
Dr. rer. nat. Hamza Aziz Ahmad Gardi
Zuständigkeit
ETIT - Institut für Industrielle Informationstechnik
E-Mail
hamza.gardi@kit.edu
Sprechstunde
nach Vereinbarung / by arrangement.
Verfügbarkeit
Zugriff
Unbegrenzt – wenn online geschaltet
Aufnahmeverfahren
Sie können diesem Kurs direkt beitreten.
Zeitraum für Beitritte
Unbegrenzt
Für Kursadministration freigegebene Daten
Daten des Persönlichen Profils
Anmeldename
Vorname
Nachname
E-Mail
Matrikelnummer
Zusätzliche Informationen
Objekt-ID
3758061