Machine Learning
Machine Learning
Aktuelles
Dozent
Prof. Dr. Stefan Harmeling
Studiengang
Bachelor-Studiengang Informatik
Kreditpunkte
10 LP ab PO 2013, alte PO’s 15 LP
Lehrveranstaltungen
- Vorlesung "Machine Learning", 4 SWS,
Mo. 10:30 - 12:00 Uhr In Hörsaal 5A + Mi. 12:30 - 14:00 Uhr in Hörsaal 2C - Übung, 2 SWS, verschiedene Termine
Inhalte
Dieses Modul vermittelt grundlegendes Wissen zu folgenden Themen:
- Probability, frequentist statistics, Bayesian statistics
- Supervised learning, unsupervised learning
- Generative vs discriminative models
- Linear regression, linear discrimimant analysis
- Gaussian processes
- Support vector machines
- Kernel trick, kernel PCA
- Graphical models
- Neural networks
Lernergebnisse/Kompetenzen
Studierende sollen nach Absolvierung der Lehrveranstaltung in der Lage sein,
- die Grundlagen des Maschinellen Lernens zu beschreiben und anzuwenden
- die mathematische Beschreibung dieser Grundlagen zu erklären und einfache Sachverhalte zu beweisen
- die Grundlagen und ihre mathematischen Beschreibungen anzuwenden, um selbständig Datenanalyseprobleme zu bearbeiten
Empfohlene Literatur
Es wird nicht ein bestimmtes Lehrbuch verwendet, jedoch sind folgende Bücher hilfreich:
- Murphy, Machine Learning: A Probabilistic Perspective
- MacKay, Information Theory, Inference, and Learning Algorithms, Cambridge 2003
- Barber, Bayesian Reasoning and Machine Learning, Cambridge 2012
- Rasmussen/Williams, Gaussian Processes for Machine Learning, MIT 2006
- Bishop, Pattern Recognition and Machine Learning, Springer 2007
- Schölkopf/Smola, Learning with Kernels, MIT 2001
- Jaynes, Probability Theory – the Logic of Science, Cambridge 2003
Verwendbarkeit des Moduls
- Wahlpflichtbereich
- Schwerpunktbereich
- Individuelle Ergänzung im Master-Studiengang Informatik
- Anwendungsfach im Bachelor-Studiengang Mathematik und Anwendungsgebiete
- Nebenfach im Bachelor-Studiengang Physik
- Nebenfach im Bachelor-Studiengang Medizinische Physik
Teilnahmevoraussetzungen
Erfolgreicher Abschluss folgender Module:
- Modul „Grundlagen der Softwareentwicklung und Programmierung” (Informatik I)
- Modul „Grundlagen der Technischen Informatik” (Informatik II)
- Hilfreich ist erfolgreicher Abschluss der Mathematik Module:
Module "Linear Algebra", "Analysis", "Stochastic" und "Numerik"
Voraussetzungen für die Vergabe von Kreditpunkten
- aktive und erfolgreiche Mitwirkung in den Übungen;
- Prüfung zu Vorlesung und Übungen am Ende des Semesters
Häufigkeit des Angebots, modulare Schiene
I.d.R. jährlich
Modulbeauftragte und hauptamtliche Lehrende
Prof. Dr. Stefan Harmeling