Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
  1. SoSe 2025
  2. Hilfe
  3. Sitemap
Switch to english language
Startseite    Anmelden     
Logout in [min] [minutetext]

Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WiSe 2024/25 , Aktuelles Semester: SoSe 2025
  • Funktionen:
E3 - Inf - Sustainability with Machine Learning - Cr. 6-6    Sprache: Englisch    Belegpflicht
(Keine Nummer) Vorlesung/Übung     WiSe 2024/25     4 SWS     keine Übernahme     ECTS-Punkte: 6 - 6     https://sust.ris.uni-due.de/teaching/winter-24-25/sustainability-with-machine-learning-lecture-and-tutorial-16288/
   Weitere Links: Glossar der verwendeten Studiengangsabkürzungen  Studium liberale im IwiS (Modul E3)  Zu den Lageplänen der UDE 
   Geschäftsbereich: Studium liberale (E3)    
   Teilnehmer/-in  erwartet : 15   Maximal : 15  
 
   Zugeordnete Lehrpersonen:   Rothe ,   Shahid
 
 
Zur Zeit keine Belegung möglich
   Termin: Freitag   10:00  -  14:00    wöch.
Beginn : 11.10.2024   
  
  R09 H04 S02
 
 
 
   Kommentar:

Die Veranstaltung ist zugleich anrechenbar für Bereich II des Zertifikats ‚Bildung für Nachhaltige Entwicklung‘ der UDE.

Inhalte/Course Description:

Sustainability with Machine Learning explores the integration of machine learning techniques into sustainability domains to address environmental and social challenges. This course covers the foundations of machine learning, deep neural networks, and sustainable development applications. Students will gain knowledge of how machine learning may increase sustainability in decision-making, facilitate environmental monitoring, better supply chain management, and optimize energy efficiency. This course also reflects on using AI fairly and with ethical considerations in order to promote sustainable practices.

 

Learning Targets:

Develop an understanding of sustainability principles and their application in technological advancements.

Learn about data preparation procedures, machine learning algorithms, and methodologies for training and evaluating models.

Explore deep learning architectures, including Vision and NLP models.

Discover how supply chain management, environmental monitoring, energy efficiency can be improved with the help of machine learning.

Recognise the ethical issues involved and how AI should be applied fairly in sustainability applications.

 

Outline:

  Introduction to Sustainable Development

   Fundamentals of Machine Learning

   Deep Learning Architectures

   Sustainable Supply Chain Management

   Predictive Analytics for Energy Efficiency

   Environmental Monitoring and Conservation

   Ethical and Fair AI for Sustainability

 
   Literatur:

   Sustainability: A Comprehensive Foundation (2015) by Tom Theis and Jonathan Tomkin (eds.)

   Introduction to Sustainable Development (2012) by Jennifer A. Elliott 2012

   Pattern Recognition and Machine Learning (2006) by Christopher M. Bishop

   Machine Learning Yearning (2018) by Andrew Ng

   Deep Learning (2016) by Ian Goodfellow, Yoshua Bengio, and Aaron Courville

   Sustainable Supply Chains: A Research-Based Textbook on Operations and Strategy (2017) by Yann Bouchery, Charles J. Corbett, and Jan C. Fransoo

   Predictive Analytics for Energy Efficiency Improvement (2019) by Sime Curkovic and Amir S. Gandomi

   Environmental Monitoring Handbook (2002) by Frank R. Burden and Robert A. McDonnell

   Artificial Intelligence for Good: How Technologies Can Save Our World by Rajiv Malhotra

 
   Bemerkung:

Moodle Link: https://moodle.uni-due.de/course/view.php?id=43368

For registration and more details, contact mahnoor.shahid@icb.uni-due.de

Bitte melden Sie sich hier ausschl. für das fachfremde Modul E3 Studium liberale an. Anmeldefrist ab dem 18.09.2024. Weitere Informationen zum Studium liberale, eine Liste freier Plätze, alle Veranstaltungen in chronologischer Reihenfolge etc. finden Sie oben unter „Weitere Links“. (Als Fachstudent wählen Sie zur Anmeldung das fachintern übliche Verfahren; bei LSF: die gleichnamige Veranstaltung ohne das Präfix 'E3'.)

 
   Voraussetzungen:

In E3 nicht geeignet für: Informatik (Fak.), IngWi, Mathe, WiWi; BWL (MSM & WiWi), Energy. Die Veranstaltung findet in englischer Sprache statt.
Im Kurs wird programmiert. Es sind keine vorherigen Kenntnisse notwendig. Wünschens- und empfehlenswert ist daher ein Interesse daran, programmieren zu lernen und sich entsprechende Vor- und Nachbereitungszeiten einzuberechnen. Bitte nehmen Sie zur Kenntnis, dass Sie die E3-Ausschlüsse immer selbständig bei Ihrer Auswahl beachten müssen. Das LSF-System schließt Fehlanmeldungen nicht aus. Auch ist im System nicht ersichtlich, nach welcher PO Sie studieren, oder welche/s Fachwissenschaft/Anwendungsfach vorliegt.

 
   Leistungsnachweis:

• Course Report

• Final written examination (usually 60 minutes)