- Zulassung : /de/ausbildung/bachelor/informatik-und-kommunikationssysteme/zulassung/
- Ausbildungsprogramm : /de/ausbildung/bachelor/informatik-und-kommunikationssysteme/ausbildungsprogramm/
- Studienaufbau : /de/ausbildung/bachelor/informatik-und-kommunikationssysteme/studienaufbau/
- Berufliche Perspektiven : /de/ausbildung/bachelor/informatik-und-kommunikationssysteme/berufliche-perspektiven/
- Mobilität : /de/ausbildung/bachelor/informatik-und-kommunikationssysteme/mobilitat/
- Personen : /de/ausbildung/bachelor/informatik-und-kommunikationssysteme/personen/
- Zulassung : /de/ausbildung/bachelor/informatik-und-kommunikationssysteme/zulassung/
- Ausbildungsprogramm : /de/ausbildung/bachelor/informatik-und-kommunikationssysteme/ausbildungsprogramm/
- Studienaufbau : /de/ausbildung/bachelor/informatik-und-kommunikationssysteme/studienaufbau/
- Berufliche Perspektiven : /de/ausbildung/bachelor/informatik-und-kommunikationssysteme/berufliche-perspektiven/
- Mobilität : /de/ausbildung/bachelor/informatik-und-kommunikationssysteme/mobilitat/
- Personen : /de/ausbildung/bachelor/informatik-und-kommunikationssysteme/personen/
Ausbildungsprogramm
Modulbeschreibung
Zum ProgrammDieser Modulbeschrieb wird durch die Richtlinie über die Organisation der Module an der HTA-FR für das akademische Jahr 2024/2025 ergänzt.
7 ECTS Kreditpunkte
-
Machine LearningCodeB3C-MLML-SSemesterHerbstGewichtung2
-
Programmation concurrente et cloudCodeB3C-PCCL-SSemesterHerbstGewichtung2
-
Programmation logiqueCodeB3C-PLPL-SSemesterHerbstGewichtung3
Modulspezifikationen
Verantwortliche/r
Philippe Joye
Notenberechnung des Moduls
Note des Moduls = gewichteter Durchschnitt der Kursnoten
Zielkompetenzen / Allgemeine Lernziele
- Identifier les cas d'utilisation de techniques de machine learning.
- Comprendre les concepts d'apprentissage à partir des données, d'apprentissage supervisé vs non supervisé, de présentation d'hypothèses.
- Appliquer des méthodes machine learning pour des tâches de clustering, de classification, de prédiction.
- Utiliser des frameworks de machine learning tels que SciKit Learn sur des données concrètes.
- Appliquer des frameworks offert pas les languages de programmation pour écrire des programme concurrent.
- Concevoir et mettre en service un système de type distribué (''Microservices'')
- Connaitre et savoir utiliser les outils ''state of the art'' de la programmation concurrent et distribuée dans un environment cloud (p. ex. Docker, Microservice, protocoles de communication)
- Programmer avec un langage non-impératif.
- Maîtriser le modèle de programmation logique.
- Maîtriser la programmation (logique) par contraintes.
Notenberechnung des Moduls
keine Zusatzprüfung
Modalitäten der Zusatzprüfung (bei Wiederholen)
Identisch wie bei Nicht-Wiederholen
Voraussetzungen
Avoir réussi les modules "Mathématique IT", "Paradigmes de programmation 2" et "Informatique technique"
Beurteilungsmodalitäten und Validierung
In allen Modulkursen gibt es regelmässige Lernkontrollen und eine auf das Zehntel gerundete Endnote. Wenn in der Kursbeschreibung eine Prüfung erwähnt wird, ist die Endnote des Kurses das arithmetische Mittel der Note der regelmässigen Lernkontrollen und der Prüfungsnote. Die entsprechenden Informationen zu den Kursen gibt es in den Kursbeschreibungen. Das Modul gilt als bestanden, wenn die folgenden zwei Bedingungen erfüllt sind: Das gewichtete, auf den halben Punkt gerundete Mittel der Kursnoten beträgt mindestens 4.0 und keine Kursnote liegt unter 3.0. Die Teilnahme an den Kursen ist verpflichtend. Die Wiederholung eines nicht bestandenen Moduls betrifft alle Kurse, deren Note unter 4.0 liegt.