Zum Inhalt springenZur Suche springen

Machine Learning

Machine Learning

Aktuelles

Dozent
undefinedProf. 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

      Verantwortlichkeit: