Revision [ee7081e]
Letzte Änderung am 2020-01-24 01:56:54 durch T.Haeuser
ADDITIONS
>Stud-IP Veranstaltungen ("Tutorium: Python" / "Python")
>Für dieses Tutorium wurden diverse Videos erstellt, welche unter dem folgenden Link in einer Playliste zu finden sind:
https://www.youtube.com/playlist?list=PL5_HKBRiYC8vz8hZAXsM4td-r2TaVJGj5
Dieser Playliste werden nach und nach mehrere Videos hinzugefügt. Ab Ende Februar 2020 folgen mehrere Videos zu diversen Themen, zu denen auch verschiedenste Algorithmen der Computational Intelligence gehören.
DELETIONS
>Stud-IP Veranstaltungen (Tutorium: Python / Python)
>Vorraussichtlich werden Ende 2019 / Anfang 2020 Videos zu diesem Tutorium erstellt und auf YouTube online gestellt, diese Playlist wird hier dann verlinkt
Revision [f47437b]
Bearbeitet am 2019-12-20 21:55:48 von T.Haeuser
ADDITIONS

Revision [a673891]
Bearbeitet am 2019-12-20 21:53:13 von T.Haeuser
ADDITIONS
|![image](/uploads/CIPythonBA/oop.jpg)|![image](/uploads/CIPythonBA/oop.jpg)|
| | |
| +|![image](/uploads/CIPythonBA/thread.jpg)|![image](/uploads/CIPythonBA/process.jpg)|
| | |
| +|![image](/uploads/CIPythonBA/tortendia.jpg)|![image](/uploads/CIPythonBA/histogram.jpg)|
| | |
| +|![image](/uploads/CIPythonMaster/euklidischeDistanzmass.PNG)|![image](/uploads/CIPythonMaster/Abbknn.PNG)|
| | |
| +|![image](/uploads/CIPythonBA/kMeans1.jpg)|![image](/uploads/CIPythonBA/kMeans2.jpg)|
| | |
| +|![image](/uploads/CIPythonBA/fuzzy_1.jpg)|![image](/uploads/CIPythonBA/fuzzy_2.jpg)|
| | |
| +|![image](/uploads/CIPythonBA/svm_1.jpg)|![image](/uploads/CIPythonBA/svm_2.jpg)|
DELETIONS
| ![image](/uploads/CIPythonBA/oop.jpg?width=700) | ![image](/uploads/CIPythonBA/oop.jpg?width=700) |
![image](/uploads/CIPythonBA/thread.jpg?width=500) ![image](/uploads/CIPythonBA/process.jpg?width=550)
![image](/uploads/CIPythonBA/tortendia.jpg?width=700) ![image](/uploads/CIPythonBA/histogram.jpg?width=400)

![image](/uploads/CIPythonMaster/euklidischeDistanzmass.PNG?width=600)
![image](/uploads/CIPythonMaster/Abbknn.PNG?width=250)

![image](/uploads/CIPythonBA/kMeans1.jpg?width=500) ![image](/uploads/CIPythonBA/kMeans2.jpg?width=600)


![image](/uploads/CIPythonBA/fuzzy_1.jpg?width=500) ![image](/uploads/CIPythonBA/fuzzy_2.jpg?width=600)

![image](/uploads/CIPythonBA/svm_1.jpg?width=350) ![image](/uploads/CIPythonBA/svm_2.jpg?width=350)
Revision [0c65109]
Bearbeitet am 2019-12-20 21:46:59 von T.Haeuser
ADDITIONS

| | |
| +| ![image](/uploads/CIPythonBA/oop.jpg?width=700) | ![image](/uploads/CIPythonBA/oop.jpg?width=700) |
DELETIONS
![image](/uploads/CIPythonBA/oop.jpg?width=800)
Revision [cf98dc1]
Bearbeitet am 2019-12-20 21:35:57 von T.Haeuser
ADDITIONS
>Tobias Häuser
>t.haeuser@stud.fh-sm.de
>Stud-IP Veranstaltungen (Tutorium: Python / Python)
>Vorraussichtlich werden Ende 2019 / Anfang 2020 Videos zu diesem Tutorium erstellt und auf YouTube online gestellt, diese Playlist wird hier dann verlinkt
**<span style="color:#00386a">Voraussetzungen:</span>**
> Grundkenntnisse in der allgemeinen Programmierung
**<span style="color:#00386a">Veranstaltungsinhalte:</span>**
* Allgemeine Einführung
* Datentypen, Abfragen, Schleifen, Exception etc.
* Objektorientierten Programmierung (OOP)
* Funktionen, Module, Klassen
* Parallele Programmierung
* Multithreading & Multiprocessing
* Visualisierung mit Matplotlib
* Klassifizierungsverfahren
* k-Nearest Neighbors (kNN)
* k-Means
* Fuzzy k-Means
* Gustafson-Kessel
* Support Vector Machine (SVM)
* Neuronale Netze
## Die Vorbereitung
Die erste Termin handelte von den Grundlagen der Programmierung in Python. Anfgefangen mit der Installation der Entwicklungsumgebung, Erstellung einer Projektes und den Allgemeinen Programmiergrundlagen. Zu den Allgemeinen Programmiergrundlagen gehören die Verwendung von Variablen, Verzweigungen, Schleifen, Listen & andere Datenstrukturen, sowie Exception Handling.
## Objektorientierten Programmierung (OOP)
Im zweiten Termin befassen wir uns mit der Objektorientierten Programmierung (OOP). Hierbei erstellen wir eigene Funktionen, Module und Klassen, welche die Grundlagen für die Wiederverwendbarkeit von Quellcode ist. Des Weiteren befassen wir uns mit Zugriffsmodifizieren und der Vererbung. Die OOP bezieht sich wie bereits erwähnt, auf die Wiederverwendbarkeit. So kann z.B. eine Klasse Film erstellt werden, aus derer mehrere Objekte mit unterschiedlichen Inhalten erstellt werden können. Diese Objekte und deren Inhalte sind unabhänig von einander und können bsw. einer Liste hinzugefügt oder in ähnlichen verwendet werden. Bei der Vererbung im Gegensatz, geht es darum gewisse Oberklassen und Unterklassen zu definieren. Die Oberklasse beinhaltet alle relevanten Attribute und Funktionen, welche alle Unterklassen besitzen werden, und initialisiert diese. Die Unterklassen werden von der Oberklasse abgeleitet und besitzen demnäch alles was die Oberklasse beinhaltet. Jedoch können auch Veränderungen vorgenommen werden, wie z.B. das Überschreiben einer Funktion oder ähnliches. Im Beispiel, besitzt die Oberklasse Lebewesen die Variable "name" und die zwei Methoden "altern()" und "fortbewegen()". Die zwei Unterklassen "Mensch" und "Vogel" werden von der Klasse Lebewesen abgeleitet, d.h. sie besitzten alle Variablen und Methoden der Klasse Lebewesen. In unserem Bespiel überschreibt die Unterklassen zusätzlich die Methode "fortbewegen", d.h. dass sie diese nur für sich selbst abändern. Demnach könnte die Ausgabe beim Lebewesen: "Das Lebewesen bewegt sich fort", beim Mensch: "Der Mensch läuft" und beim Vogel: "Der Vogel fliegt" sein.
Die Folien & Aufgaben zu OOP können Sie hier herunterladen: **<span style="text-decoration:underline;">[Vorlesung 2.0 (OOP) mit Aufgaben](/files/CIPythonBA/Python_2_0.zip)</span>**
![image](/uploads/CIPythonBA/oop.jpg?width=800)
## Parallele Programmierung
Der dritte Termin setzt sich mit dem Multithreading und Multiprocessing auseinanden. Der Unterschied zwischen den beiden ist hierbei hierarchisch. Ganz oben steht eine Prozess, welcher mehrere Threads beinhalten kann. In Python gibt es jedoch einen bedeutenden Unteschied, im Gegensatz zu andern Programmiersprachen, welcher als Problem des Standart Interpreter von Python (CPython) gilt. Dies ist der sogenannte Global Interpreter Lock (GIL), welcher momentan nur eingeschränkt multithreadingfähig ist. Es können zwar mehrere Threads erstellt werden, diese können jedoch nicht parallel laufen. Bei gewissen anderen Implementierungen tritt dieses Problem jedoch nicht auf. Als erstes werden wir uns mit den Einsatzgebieten der beiden auseinander setzten. Anschließend werden wir uns mit dem Multithreading beschäftigen, in Bezug auf Thread ertstellen, Eventabfragen, benutzen einer Queue zur Abarbeitung von Aufgaben und das benutzen einen Sperrmechanismus. Dies ist die tiefere Ebene, da jedes Programm ein Prozess besitzt, indem mindestens der Main-Thread und / oder mehere Threads laufen. Mehrere Threads eines Prozesses teilen sich Daten und Systemressourcen und sind leichter zu erstellen aus Prozesse. Anschließend begen wir uns eine Ebene höher zum Multiprocessing, welche die Erstellung mehrere Prozesse ermöglich, wodurch die Parallelisierung auf meheren Prozessorkernen ermöglicht wird. Die Erstellung eines Prozesses ist deutlich rechenintensiver als bei einem Thread, da jeder Prozess über seine eigenen Ressourcen verfügt. Hierfür schauen wir uns mehrere Beispiele an, besonders aber jedoch das Pool Mutlithreading, welches meines Erachtens die einfachste ist. In den unteren Abbildungen ist links der Ablauf beim Multithreading und rechts vom Multiprocessing zu sehen.
Neue Folien und Unterlagen sind bereits in Arbeit und werden zum Termin hochgeladen, die alten Folien und Beispieldaten zu den Grundlagen sowie Multiprocessing können Sie hier herunterladen: **<span style="text-decoration:underline;">[Vorlesung 1 & 2 mit Aufgaben](/files/CIPythonBA/Vorlesung_1_2_mit_Aufgaben.zip)</span>**
![image](/uploads/CIPythonBA/thread.jpg?width=500) ![image](/uploads/CIPythonBA/process.jpg?width=550)


## Visualisierung

In der dritten Vorlesung beschäftigten wir uns mit der Visualisierung von Daten von Python, mit der Bibliothek "matplotlib". Hierbei behandelten wir diverse Diagrammtypen und der Konfiguration der Achsen, Beschriftungen und Legenden.
![image](/uploads/CIPythonBA/tortendia.jpg?width=700) ![image](/uploads/CIPythonBA/histogram.jpg?width=400)


Die Folien zur Visualisierung und kNN können Sie hier herunterladen: **<span style="text-decoration:underline;">[Vorlesung 3](/files/CIPythonBA/Vorlesung_3.pdf)</span>**


## Klassifizierungen

### k-Nearest Neighbors (KNN)

k-Nearest Neighbors ist ein Klassifikationsverfahren, welches aufgrund der k nächsten Nachbarn eine Klassifizierung vornimmt. Diese Bestimmung wird anhand eines Distanzmaßes vorgenommen, das meist gewählt ist das euklidische Distanzberechnung.

![image](/uploads/CIPythonMaster/euklidischeDistanzmass.PNG?width=600)
![image](/uploads/CIPythonMaster/Abbknn.PNG?width=250)


Vorgestellt wird eine Eigenimplimentierung und ein Packages, welches diese Klassifizierungsmethode vorimplimentiert enthält.
Die Folien und Beispieldaten zum k-Nearest-Neighbors (KNN) können Sie hier herunterladen: **<span style="text-decoration:underline;">[KNN](/files/CIPythonMaster/knn.rar)</span>**

Bevor wir zum Gustafson-Kessel Algorithmus kommen wird vom Herrn Häuser eine weitere Klassifikationsmethode, der k-Means, dargestellt. Hier zeigt ihn Herr Häuser eine Eigenimplementierung, welche eine Farbskalierung an einem Bild trifft,je nach dem was für ein k man wählt. Schauen sie auf seiner Hochschulwikiseite vorbei: **<span style="text-decoration:underline;">[PythonTutoriumBA](http://wiki.hs-schmalkalden.de/TutoriumPythonProgrammierungBachelor)</span>**


### k-Means

Der k-Means ist ein weitere Klassifizierungsalgorithmus zu Clusteranalyse. Im Gegensatz zu dem KNN, haben die Datensätze noch keine Klassenzuteilung. Dem Algorithmus erhält die Datensätze und wir geben ihm die Anzahl der Gruppen/Cluster mit, anhand desses weist er den Datensätze Gruppen zu. Für diese Zuteilung wird meistens der Lloyd-Algorithmus verwendet, welcher aus 3 Schritten besteht.

1. Initialisierung der k zufälligen Mittelwerte
2. Zuordnung der Datenpunkte zu einem Cluster
* Hierbei wird die euklidische Distanz von jedem Punkt zu jedem Cluster gebildet
* Der Punkt wird dem Cluster zugewiesen, zu welchem die Distanz am geringsten ist
3. Berechnen der Clusterzentren
* Anhand einer Mittelwertbildung der X / Y Werte eines Clusters
* Schritt 2 & 3 werden wiederholt bis sich die Clusterzentren nicht mehr bzw. so gut wie nicht mehr ändern oder eine gewisse Anzahl von Iterationsschritten erreicht ist

![image](/uploads/CIPythonBA/kMeans1.jpg?width=500) ![image](/uploads/CIPythonBA/kMeans2.jpg?width=600)



#### Anwendungsbeispiele
In der Vorlesung haben wir zum einen eine Eigenimplementierung vorgenommen, aber auch das Paket sklearn an dem Beispiel der Bildfarben-Skalierung. Hierbei haben wir das Bild eingelesen und in ein mehr dimensionales Array konvertiert, anhand der X & Y Werte sowie der RGB Farbwerte. Dem Algorithmus wird das dieses X & Y Farbarray übergeben und die Anzahl der Farben, auf welche es herunter skaliert werden soll.
![image](/uploads/CIPythonBA/kMeans_Beispiel.jpg?width=700)


### Fuzzy k-Means

Der Fuzzy k-Means ist eine Erweitung des k-Means, wobei jeder Datenpunkt nicht einem einzeln Cluster zugeordnet wird, sondern eine gewisse Prozentzuorndnung zu jedem Cluster erhält. Die Summer der prozentualen Zuordnung ergibt 100%. Für diese Zuordnungen wird eine Zuordnungsmatrix benötigt / erstellt. Noch einer Erweiterung ist die zusätzliche Anpassungvariable (Fuzzyfier), welche auch als Verschleifungsgrad bezeichnet wird. Diese dient für die Schärfe- / Genauigkeitseinstellung der Clusterung. Wird dieser >2 gewählt erfolgt eine sehr unscharfe Clusterung. Wird eine sehr scharfe / genauer Clusterung gewünscht, sollte der Fuzzyfier zwischen 1-2 gewählt werden. Des Weiteren werden die Clusterzentren durch eine andere Formel berechnet, wie in den folgenden Bildern zu sehen.

![image](/uploads/CIPythonBA/fuzzy_1.jpg?width=500) ![image](/uploads/CIPythonBA/fuzzy_2.jpg?width=600)


Die Folien zum kMeans und Fuzzy kMeans können Sie hier herunterladen: **<span style="text-decoration:underline;">[Vorlesung 4.2](/files/CIPythonBA/Vorlesung_4-2.pdf)</span>**


### Gustafson-Kessel
Der Gustafson-Kessel-Algorithmus ist eine Erweiterung des Fuzzy k-Means. Durch diese Erweiterung ist es möglich den Richtungssinn von Daten zu erfassen.
Aber was heißt das ?
Beim Fuzzy k-Means wird immer von einer homogenen kreisrunden Form der Datenwolke ausgegangen, weshalb eliptische Formen oder Datensätze mit einem Richtungssinn schwer zu Klassifizieren sind. Um ein besseres Verständnis für den Fuzzy k-Means zu erlangen, verweise ich auf auf das Bachelortutorium vom Herrn Häuser: **<span style="text-decoration:underline;">[PythonTutoriumBA](http://wiki.hs-schmalkalden.de/TutoriumPythonProgrammierungBachelor)</span>**
Um dies zu realisieren wird beim Gustafson-Kessel-Algorithmus ein besonderes Distanzmaß, die Skalierte Mahalanobis Distanz.

![image](/uploads/CIPythonMaster/Gustafson.PNG?width=600)

Nach der Theorie wird wieder eine Eigenimplementierung dieses Algorihtmuses vorgestellt, um das Verständnis zu festigen.

Die Folien und Beispieldaten zu dem Gustafson-Kessel-Algorithmus können Sie hier herunterladen: **<span style="text-decoration:underline;">[Fuzzy k-Means und Erweiterung](/files/CIPythonMaster/Python_4.rar)</span>**


## Support Vektor Maschiene - SVM

Die Support Vektor Maschiene ist eine wichtige Gruppe für Klassifikationen. Das Grundkonzept ist es, dass versucht wird die vorhanden Daten linear zu trennen und somit eine Klassifikation durchzuführen. Die Trennfunktion wird so gebildet, dass die Daten maximal von einander getrennt sind. Dies wird als Large Margin Concept bezeichnet. Falls keine lineare Separation möglich ist oder die Spanne zwischen den Klassen zu gering ist, nutzt man das Soft Margin Concept, welches Fehlklassifikationen erlaubt. Dieses wird durch den C-Parameter zugelassen.
![image](/uploads/CIPythonBA/svm_1.jpg?width=350) ![image](/uploads/CIPythonBA/svm_2.jpg?width=350)

Ist eine lineare Trennung nicht möglich, wird der Kernel-Trick angewendet. Hierbei werden die Daten in einen höherdimensionalen Raum transferiert, wo sie dann linear getrennt werden können. Es wird eine lineare Trennfunktion gebildet, anschließend werden die Daten und die (Hyper-)Trennebene zurück transformiert, wobei die Trennfunktion dann meist nicht mehr linear bzw. zusammenhägend ist.
![image](/uploads/CIPythonBA/svm_3.jpg?width=600)

In Python stehen mehrere Kernel zur Verfügung, wobei die bekanntesten der poly (polynominale) und der rbf (radial basis function) Kernel sind. Beim poly Kernel wird eine weiteres Merkmal hinzugefügt durch die Wertkombination der vorhandenen Merkmale, z.B. [x,y,z] -> [x,y,z, x^3+y^2+z]. Der rbf Kernel wir benutzt um geschlossene Bereiche z.B. Kreise oder Cluster zu erkennen. Dieser bildet Hügel, welche durch eine (Hyper-)Ebene linear getrennt werden können.
![image](/uploads/CIPythonBA/svm_4.JPG?width=600)

Die Folien zur SVM können Sie hier herunterladen: **<span style="text-decoration:underline;">[Vorlesung 6](/files/CIPythonBA/Vorlesung_6.pdf)</span>**

## Neuronale Netze

In diesem Kapitel behandelen wir als erstes das einfachste Neuronale Netz. Das Neuronale Netz hat seinen Namen von den menschlichen Neuronalen Netzten, da wir ein solches Netz simulieren. Dieses nennt sich Pperzeptron. In diesen Neuronalen Netz gibt es keine Hidden-Neurone. Mit diesen Netzwerk können einfache Funktion wie and/or gelernt werden. Im Neuronalen Netz hat jedes Neuron eine eigene wichtung, durch eine Summenbildung des Eingangswertes und das Gewicht dieses Neurons werden Entscheidungen getroffen. Bei komplexeren Neuronalen Netzen kommt es auch drauf an welche Neuronen angesprochen werden.
Das Perzeptron haben wir an dem Beispiel der or-Funktion Vorgestellt. Desweitern haben wir eine Projektaufgabe bei der das Perzeptron auf eine and-Funktion umzuprogrammieren.
Hier ist der Aufbau des Perzeptrons dargestellt:

![image](/uploads/CIPythonMaster/Perzeptron.PNG)

Die Folien und Beispieldaten zu dem Perzeptron können Sie hier herunterladen: **<span style="text-decoration:underline;">[Neuronale Netze](/files/CIPythonMaster/Python_5.rar)</span>**

## Kommende Vorlesungspunkte

* Random Forest
* Vertiefende Beispiele Neuronale Netzte (z.B. Bild Unterscheidung Katze/Hund)
* Vertiefende Beispiele SVM
DELETIONS
Tobias Häuser
t.haeuser@stud.fh-sm.de
Benachrichtigung über Stud-IP Veranstaltung
Voraussetzungen:
Grundkenntnisse in der allgemeinen Programmierung
Bei Fragen können Sie sich gerne an mich wenden:
t.haeuser@stud.fh-sm.de
**<span style="color:#00386a">5. Veranstaltungsdatum/-zeit/-ort:</span>**
Nächste: 12.09.2018 um 13 bis 14:30 Uhr, im PC-Pool 3 (F-Gebäude)
**<span style="color:#00386a">6. Veranstaltungsinhalte:</span>**
>>* Allgemeine Einführung
>>>* Datentypen, Abfragen, Schleifen, Exception etc.
>>* OOP, Multithreading
>>>* Funktionen, Module, Klassen, Multithreading
>>* Matplotlib
>>* Klassifizierungsverfahren
>>>* k-Nearest Neighbors (kNN)
>>>* k-Means
>>>* Fuzzy k-Means
>>* Support Vector Machine (SVM)
#### [>> Zu den Inhalten](http://wiki.hs-schmalkalden.de/CIPythonBA)
Revision [79aa96a]
Bearbeitet am 2019-12-20 19:46:49 von T.Haeuser
ADDITIONS
# Tutorium: Python Programmierung
### Einleitung
Diese Seite beschreibt die Inhalte des Tutoriums "Tutorium Python Programmierung (Bachelorstudiengang)". Das Ziel des Tutoriums ist es, eine Einführung in Python zu geben, sowie die gezeigten Programmbeispiele in eigenen Übungen zu festigen. Des Weiteren werden verschiedene Methoden zur Klassifizierung und dem einfachste Neuronale Netz vermittelt bzw. gefestigt. Fachübergreifende Kenntnisse wie z.B. die Visualisierung in Python werden ebenfalls vermittelt.
Um den Inhalten folgen zu können, werden geringe Grundkenntnisse in Computational Intelligence / Mustererkennung vorrausgesetzt.
**<span style="color:#00386a">Tutor:</span>**
Tobias Häuser
t.haeuser@stud.fh-sm.de
**<span style="color:#00386a">Termine:</span>**
DELETIONS
#### **<span style="color:#00386a">Tutorium: Python Programmierung (Bachelorstudiengang)</span>**
#### [Zu den Inhalten](http://wiki.hs-schmalkalden.de/CIPythonBA)

**<span style="color:#00386a">1. Tutor:</span>** Tobias Häuser

**<span style="color:#00386a">2. Ziel des Tutoriums:</span>**

Ziel ist das Erlernen der Programmiersprache Python in den Grundbausteinen, sowie in Bezug auf die Computerbasierte Intelligenz.
Wir werden anfäglich die Grundbausteine der Programmiersprache legen. Anschließend werden wir ob Bezug auf die Übungen, von der Veranstaltung Computerbasierte Intelligenz, nehmen und diese Aufgaben, sowie weitere, in Python nachprogrammieren.

**<span style="color:#00386a">3. Adressaten des Lehrangebotes:</span>**

Bachelor Informatik
Bachelor Mobile Computing
Bachelor Wirtschaftsinformatik
Bachelor Multimedia-Marketing
**<span style="color:#00386a">4. Teilnahme:</span>**
Revision [ebd15f6]
Bearbeitet am 2019-11-19 13:08:47 von Oksana Neopagitova
ADDITIONS
**<span style="color:#00386a">1. Tutor:</span>** Tobias Häuser
**<span style="color:#00386a">2. Ziel des Tutoriums:</span>**
**<span style="color:#00386a">3. Adressaten des Lehrangebotes:</span>**
**<span style="color:#00386a">4. Teilnahme:</span>**
**<span style="color:#00386a">5. Veranstaltungsdatum/-zeit/-ort:</span>**
DELETIONS
**<span style="color:#00386a">Tutor</span>**
Tobias Häuser

**<span style="color:#00386a">Ziel des Tutoriums:</span>**
**<span style="color:#00386a">Adressaten des Lehrangebotes:</span>**
**<span style="color:#00386a">Teilnahme:</span>**
**<span style="color:#00386a">Veranstaltungsdatum/-zeit/-ort:</span>**
Revision [edc38aa]
Bearbeitet am 2019-11-19 12:45:49 von Oksana Neopagitova
ADDITIONS
#### **<span style="color:#00386a">Tutorium: Python Programmierung (Bachelorstudiengang)</span>**
#### [>> Zu den Inhalten](http://wiki.hs-schmalkalden.de/CIPythonBA)
DELETIONS
#### <span style="color:#00386a">Tutorium: Python Programmierung (Bachelorstudiengang)</span>
#### [>> Zu den Inhalten](http://wiki.hs-schmalkalden.de/CIPythonBA)


***
CategoryTutorienFKITSS18;CategoryTutorienFKITSS19
Revision [0353dac]
Bearbeitet am 2019-11-13 11:37:30 von ClaudiaMichel
ADDITIONS
#### <span style="color:#00386a">Tutorium: Python Programmierung (Bachelorstudiengang)</span>


#### [Zu den Inhalten](http://wiki.hs-schmalkalden.de/CIPythonBA)

**<span style="color:#00386a">Tutor</span>**

Tobias Häuser

**<span style="color:#00386a">Ziel des Tutoriums:</span>**

Ziel ist das Erlernen der Programmiersprache Python in den Grundbausteinen, sowie in Bezug auf die Computerbasierte Intelligenz.
Wir werden anfäglich die Grundbausteine der Programmiersprache legen. Anschließend werden wir ob Bezug auf die Übungen, von der Veranstaltung Computerbasierte Intelligenz, nehmen und diese Aufgaben, sowie weitere, in Python nachprogrammieren.

**<span style="color:#00386a">Adressaten des Lehrangebotes:</span>**

Bachelor Informatik
Bachelor Mobile Computing
Bachelor Wirtschaftsinformatik
Bachelor Multimedia-Marketing

**<span style="color:#00386a">Teilnahme:</span>**

Benachrichtigung über Stud-IP Veranstaltung

Voraussetzungen:
Grundkenntnisse in der allgemeinen Programmierung

Bei Fragen können Sie sich gerne an mich wenden:
t.haeuser@stud.fh-sm.de

**<span style="color:#00386a">Veranstaltungsdatum/-zeit/-ort:</span>**

Nächste: 12.09.2018 um 13 bis 14:30 Uhr, im PC-Pool 3 (F-Gebäude)

**<span style="color:#00386a">6. Veranstaltungsinhalte:</span>**

>>* Allgemeine Einführung
>>>* Datentypen, Abfragen, Schleifen, Exception etc.
>>* OOP, Multithreading
>>>* Funktionen, Module, Klassen, Multithreading
>>* Matplotlib
>>* Klassifizierungsverfahren
>>>* k-Nearest Neighbors (kNN)
>>>* k-Means
>>>* Fuzzy k-Means
>>* Support Vector Machine (SVM)


#### [>> Zu den Inhalten](http://wiki.hs-schmalkalden.de/CIPythonBA)


***
DELETIONS
#### <span style="color:#00386a">Tutorium: Python Programmierung (Bachelorstudiengang)</span>**
#### [Zu den Inhalten](http://wiki.hs-schmalkalden.de/CIPythonBA)
**<span style="color:#00386a">Tutor</span>**
Tobias Häuser
**<span style="color:#00386a">Ziel des Tutoriums:</span>**
Ziel ist das Erlernen der Programmiersprache Python in den Grundbausteinen, sowie in Bezug auf die Computerbasierte Intelligenz.
Wir werden anfäglich die Grundbausteine der Programmiersprache legen. Anschließend werden wir ob Bezug auf die Übungen, von der Veranstaltung Computerbasierte Intelligenz, nehmen und diese Aufgaben, sowie weitere, in Python nachprogrammieren.
**<span style="color:#00386a">Adressaten des Lehrangebotes:</span>**
Bachelor Informatik
Bachelor Mobile Computing
Bachelor Wirtschaftsinformatik
Bachelor Multimedia-Marketing
**<span style="color:#00386a">Teilnahme:</span>**
Benachrichtigung über Stud-IP Veranstaltung
Voraussetzungen:
Grundkenntnisse in der allgemeinen Programmierung
Bei Fragen können Sie sich gerne an mich wenden:
t.haeuser@stud.fh-sm.de
**<span style="color:#00386a">Veranstaltungsdatum/-zeit/-ort:</span>**
Nächste: 12.09.2018 um 13 bis 14:30 Uhr, im PC-Pool 3 (F-Gebäude)
**<span style="color:#00386a">6. Veranstaltungsinhalte:</span>**
>>* Allgemeine Einführung
>>>* Datentypen, Abfragen, Schleifen, Exception etc.
>>* OOP, Multithreading
>>>* Funktionen, Module, Klassen, Multithreading
>>* Matplotlib
>>* Klassifizierungsverfahren
>>>* k-Nearest Neighbors (kNN)
>>>* k-Means
>>>* Fuzzy k-Means
>>* Support Vector Machine (SVM)
#### [>> Zu den Inhalten](http://wiki.hs-schmalkalden.de/CIPythonBA)
***
Revision [a90c999]
Bearbeitet am 2019-04-10 15:36:37 von ClaudiaMichel
ADDITIONS
CategoryTutorienFKITSS18;CategoryTutorienFKITSS19
DELETIONS
CategoryTutorienFKITSS18
Revision [f89f2e8]
Bearbeitet am 2018-10-18 14:41:53 von ClaudiaMichel
ADDITIONS
**<span style="color:#00386a">Tutor</span>**
**<span style="color:#00386a">Ziel des Tutoriums:</span>**
**<span style="color:#00386a">Adressaten des Lehrangebotes:</span>**
**<span style="color:#00386a">Teilnahme:</span>**
**<span style="color:#00386a">Veranstaltungsdatum/-zeit/-ort:</span>**
#### [>> Zu den Inhalten](http://wiki.hs-schmalkalden.de/CIPythonBA)
DELETIONS
**<span style="color:#00386a">1. Tutoren:</span>**
**<span style="color:#00386a">2. Ziel des Tutoriums:</span>**
**<span style="color:#00386a">3. Adressaten des Lehrangebotes:</span>**
**<span style="color:#00386a">4. Teilnahme:</span>**
**<span style="color:#00386a">5. Veranstaltungsdatum/-zeit/-ort:</span>**
#### [Zu den Inhalten](http://wiki.hs-schmalkalden.de/CIPythonBA)
Revision [8485b24]
Bearbeitet am 2018-09-18 09:13:57 von haeuser
ADDITIONS
***
CategoryTutorienFKITSS18
Revision [cf381be]
Bearbeitet am 2018-09-07 11:47:24 von haeuser
ADDITIONS
Nächste: 12.09.2018 um 13 bis 14:30 Uhr, im PC-Pool 3 (F-Gebäude)
DELETIONS
Nächste: Mitte September
Revision [1a8e909]
Bearbeitet am 2018-08-20 16:52:17 von ClaudiaMichel
DELETIONS
***
CategoryInfoTutorien
Revision [feec44b]
Bearbeitet am 2018-08-20 11:44:22 von haeuser
ADDITIONS
>>* Support Vector Machine (SVM)
#### [Zu den Inhalten](http://wiki.hs-schmalkalden.de/CIPythonBA)
DELETIONS
>>* Neuronale Netze
>>>* Perzeptron
Revision [1ff99a2]
Bearbeitet am 2018-08-18 13:33:39 von haeuser
ADDITIONS
#### <span style="color:#00386a">Tutorium: Python Programmierung (Bachelorstudiengang)</span>**
#### [Zu den Inhalten](http://wiki.hs-schmalkalden.de/CIPythonBA)
**<span style="color:#00386a">1. Tutoren:</span>**
Tobias Häuser
**<span style="color:#00386a">2. Ziel des Tutoriums:</span>**
Nächste: Mitte September
>>* Matplotlib
>>* Klassifizierungsverfahren
>>>* k-Nearest Neighbors (kNN)
>>>* k-Means
>>>* Fuzzy k-Means
>>* Neuronale Netze
>>>* Perzeptron
DELETIONS
#### <span style="color:#00386a">Tutorium: Python Programmierung (Bachelorstudiengang)</span> ****<span style="color:#00386a">1. Tutoren:</span> **Tobias Häuser**<span style="color:#00386a">2. Ziel des Tutoriums:</span>**
Nächste: 08.05. 14:15 PC-Pool 3
Revision [41bf283]
Bearbeitet am 2018-05-08 08:31:58 von ClaudiaMichel
ADDITIONS
Ziel ist das Erlernen der Programmiersprache Python in den Grundbausteinen, sowie in Bezug auf die Computerbasierte Intelligenz.
DELETIONS
Ziel ist das erlernen der Programmiersprache Python in den Grundbausteinen, sowie in Bezug auf die Computerbasierte Intelligenz.
Revision [7053af6]
Bearbeitet am 2018-05-08 00:00:09 von T.Haeuser
ADDITIONS
>>* Allgemeine Einführung
>>>* Datentypen, Abfragen, Schleifen, Exception etc.
>>* OOP, Multithreading
>>>* Funktionen, Module, Klassen, Multithreading
Revision [0476b67]
Bearbeitet am 2018-05-07 23:57:58 von T.Haeuser
ADDITIONS
#### <span style="color:#00386a">Tutorium: Python Programmierung (Bachelorstudiengang)</span> ****<span style="color:#00386a">1. Tutoren:</span> **Tobias Häuser**<span style="color:#00386a">2. Ziel des Tutoriums:</span>**
Ziel ist das erlernen der Programmiersprache Python in den Grundbausteinen, sowie in Bezug auf die Computerbasierte Intelligenz.
Wir werden anfäglich die Grundbausteine der Programmiersprache legen. Anschließend werden wir ob Bezug auf die Übungen, von der Veranstaltung Computerbasierte Intelligenz, nehmen und diese Aufgaben, sowie weitere, in Python nachprogrammieren.
**<span style="color:#00386a">3. Adressaten des Lehrangebotes:</span>**
Bachelor Informatik
Bachelor Mobile Computing
Bachelor Wirtschaftsinformatik
Bachelor Multimedia-Marketing
Benachrichtigung über Stud-IP Veranstaltung
Voraussetzungen:
Grundkenntnisse in der allgemeinen Programmierung
Bei Fragen können Sie sich gerne an mich wenden:
t.haeuser@stud.fh-sm.de
**<span style="color:#00386a">5. Veranstaltungsdatum/-zeit/-ort:</span>**
Nächste: 08.05. 14:15 PC-Pool 3
DELETIONS
#### <span style="color:#00386a">Tutorium: Python Programmierung (Bachelorstudiengang)</span> ****<span style="color:#00386a">1. Tutoren:</span> **Tobias Häuser**<span style="color:#00386a">2. Ziel des Tutoriums:</span> ****<span style="color:#00386a">3. Adressaten des Lehrangebotes:</span>**
**<span style="color:#00386a">5. Veranstaltungsdatum/-zeit/-ort:</span>**
**<span style="color:#00386a">7. Literaturhinweise:</span>**
**<span style="color:#00386a">8. Aufgaben:</span>**
Revision [dfe6cbd]
Die älteste bekannte Version dieser Seite wurde von ClaudiaMichel am 2018-04-03 11:06:50 erstellt
ADDITIONS
#### <span style="color:#00386a">Tutorium: Python Programmierung (Bachelorstudiengang)</span> ****<span style="color:#00386a">1. Tutoren:</span> **Tobias Häuser**<span style="color:#00386a">2. Ziel des Tutoriums:</span> ****<span style="color:#00386a">3. Adressaten des Lehrangebotes:</span>**
**<span style="color:#00386a">4. Teilnahme:</span>**
**<span style="color:#00386a">5. Veranstaltungsdatum/-zeit/-ort:</span>**
**<span style="color:#00386a">6. Veranstaltungsinhalte:</span>**
**<span style="color:#00386a">7. Literaturhinweise:</span>**
**<span style="color:#00386a">8. Aufgaben:</span>**
***
CategoryInfoTutorien