Diese Seite wurde maschinell übersetzt.
Füllen Sie bitte eine 1-Minuten-Befragung zur Qualität dieser Übersetzung aus.
Amrita Vishwa Vidyapeetham verbessert Ingenieurstudiengänge mit interaktivem Laborkurs zum Machine Learning
Studierende profitieren von sofortigem Feedback und objektiven Bewertungsstandards
„MATLAB Grader hat die Beurteilung der Studierenden vereinfacht und den Bewertungsprozess transparent gemacht. Da sie unmittelbar nach einer Beurteilung eine Rückmeldung zu ihrer Leistung erhalten können, hat dies auch dazu beigetragen, die Leistung der Studierenden im weiteren Verlauf des Kurses zu verbessern.“
Wichtigste Ergebnisse
- MATLAB Grader ermöglicht eine schnellere, objektive Beurteilung der Studierenden durch eine wartungsfreie, browserbasierte Umgebung
- Über die interaktive Plattform erhielten die Schüler sofortiges Feedback zu ihren Programmieraufgaben und -aufträgen.
- MATLAB half Lehrern, auf Machine Learning basierende Lehrpläne in ihre M.Tech-Kurse zu integrieren
Kursmaterial zum Machine Learning, erstellt mit MATLAB Live-Skripten in MATLAB Grader.
Amrita Vishwa Vidyapeetham ist eine von der NAAC akkreditierte, mit mehreren Standorten und Disziplinen ausgezeichnete Lehr- und Forschungseinrichtung in Indien. In den letzten Jahren hat die Fakultät für Elektronik und Nachrichtentechnik der Universität Laborsitzungen in verschiedene M.Tech-Kurse integriert, wie zum Beispiel „Machine Learning & Algorithmendesign“. In diesem Kurs müssen die Studierenden Machine-Learning-basierte Lösungen für verschiedene Anwendungen entwerfen, implementieren und bewerten. Beim Durchführen der Laborsitzungen benötigten die Dozenten eine fehlerresistente Strategie, um die Leistung der Studierenden objektiv zu bewerten und den Code und die Ergebnisse der Studierenden für die Laborsitzungen schnell zu überprüfen.
Als Lösung verwendete Associate Professor Dr. Binoy B. Nair MATLAB Grader™ und Live-Skripte. Live-Skripte bereicherten das Lernerlebnis mit interaktiven Elementen wie Schiebereglern, Schaltflächen und integrierten Medien und vereinfachten so komplexe Konzepte des Machine Learning. Dies ermöglichte es den Studierenden, Modelle für Machine Learning zu erlernen, zu entwickeln und zu testen, ohne dass umfangreiche Programmierkenntnisse erforderlich waren.
MATLAB Grader optimierte außerdem den Zuweisungsprozess, indem es eine sofortige Benotung und Rückmeldung ermöglicht und eine transparente und objektive Bewertungsumgebung fördert. Die Schüler erhalten nach jeder Übungseinheit sofortigen Zugriff auf ihre Noten, was ihnen ausreichend Zeit gibt, an der Verbesserung ihrer Fähigkeiten vor der nächsten Prüfung zu arbeiten.
Um die Lernkurve weiter zu vereinfachen, hat Dr. Nair den Kurstools die Apps „Classification Learner“, „Regression Learner“ und „Deep Network Designer“ hinzugefügt, sodass die Studierenden mit minimalem Programmieraufwand anspruchsvolle Systeme für Machine Learning und Deep Learning erstellen können. Dies machte MATLAB® eine bevorzugte Umgebung gegenüber Python® aufgrund seiner intuitiven und einfachen Bedienung.
Positives Feedback von Studierenden zum Kurs „Machine Learning & Algorithmendesign“ hat Dr. Nair dazu ermutigt, MATLAB Grader und Live-Skripte in den Lehr- und Lernprozess von B.Tech-Grundstudiengängen wie Machine Learning, KI und Cyber-Physische Systeme zu integrieren.
Eingesetzte Produkte
