Das Hauptziel ist es, den Studierenden ein einführendes anwendungsspezifisches Wissen über künstliche Intelligenz und Datenanalyse im Ingenieurbereich zu vermitteln. Konkret wird eine Einführung in die Themen Datenaufbereitung, Datenintegration, Datenpräsentation, überwachtes Lernen, unüberwachtes Lernen, Reinforcement Learning und neuronale Netze gegeben.

Die Vorlesung und der Inhalt der Vorlesung sind komplett in Englisch.

Der Kurs besteht aus zwei wöchentlichen Terminen, die sich über 12 Wochen erstrecken. Der erste Termin ist eine theoretische Vorlesung, der zweite eine praktische Übung. Die praktische Sitzung folgt den vorherigen Vorlesungsthemen, um das Verständnis der vorgestellten Theorie durch praktische Anwendungsfälle zu verbessern.

Es gibt keine offiziellen Voraussetzungen, um sich für den Kurs anzumelden. Der Kurs ist jedoch stark auf die Programmierung mit Python angewiesen. Es werden zwar die Grundlagen von Python eingeführt, aber es werden allgemeine Kenntnisse in der Programmierung im Allgemeinen und OOP erwartet. Ansonsten müssen die Studierenden im Laufe des Semesters daran arbeiten, ihre Programmierkenntnisse zu verbessern.

Die Vorlesungen werden mit insgesamt 2 SWS belastet, ebenso die Übungen mit 2 SWS. Neben der Teilnahme an den Vorlesungen und Übungen wird ein wöchentliches Selbststudium von ca. 90 Minuten erwartet.