Suchergebnis: Lerneinheiten im Herbstsemester 2022

Nummer	Titel	Typ	ECTS	Umfang	Dozierende
Elektrotechnik und Informationstechnologie Master
Master-Studium (Studienreglement 2008)
Fächer der Vertiefung Insgesamt 42 KP müssen im Masterstudium aus Vertiefungsfächern erreicht werden. Der individuelle Studienplan unterliegt der Zustimmung eines Tutors.
Signal Processing and Machine Learning
Empfohlene Fächer
227-0101-00L	Discrete-Time and Statistical Signal Processing	W	6 KP	4G	H.‑A. Loeliger
227-0116-00L	VLSI 1: HDL Based Design for FPGAs	W	6 KP	5G	F. K. Gürkaynak, L. Benini
227-0155-00L	Machine Learning on Microcontrollers Registration in this class requires the permission of the instructors. Class size will be limited to 25. Preference is given to students in the MSc EEIT.	W	6 KP	4G	M. Magno, L. Benini
227-0225-00L	Linear System Theory	W	6 KP	5G	J. Lygeros, A. Tsiamis
227-0417-00L	Information Theory I	W	6 KP	4G	A. Lapidoth
227-0421-00L	Deep Learning in Artificial and Biological Neuronal Networks	W	4 KP	3G	B. Grewe
227-0477-00L	Acoustics I	W	3 KP	2G	K. Heutschi
263-5210-00L	Probabilistic Artificial Intelligence	W	8 KP	3V + 2U + 2A	A. Krause
263-5255-00L	Foundations of Reinforcement Learning Findet dieses Semester nicht statt. Number of participants limited to 190. The course will be offered again in FS23.	W	5 KP	2V + 2A	N. He
263-5300-00L	Guarantees for Machine Learning Number of participants limited to 30.	W	7 KP	3V + 1U + 2A	F. Yang, A. Sanyal
401-3901-00L	Linear & Combinatorial Optimization	W	11 KP	4V + 2U	R. Zenklusen
401-3621-00L	Fundamentals of Mathematical Statistics	W	10 KP	4V + 1U	S. van de Geer
401-3055-64L	Algebraic Methods in Combinatorics Findet dieses Semester nicht statt.	W	6 KP	2V + 1U	B. Sudakov
401-3054-14L	Probabilistic Methods in Combinatorics	W	6 KP	2V + 1U	B. Sudakov

Seite 1 von 1