Machine Learning

Vorlesung "Modul Machine Learning"

Aktuelles

• slides and exercises

Dozent
Prof. Dr. Stefan Harmeling

Modulart
Wahlpflicht- oder Schwerpunktmodul in der Praktisch/Technischen Informatik

Studiengang
Bachelor-Studiengang Informatik

Kreditpunkte
PO 2007 15 CP; PO2013 10 CP

Lehrveranstaltungen

• Vorlesung: 4 SWS, Mo. + Do. 10:30 - 12:00 Uhr, Hörsaal 5G
• Theoretische Übung: 2 SWS, Mo. 14:30 - 16:00 Uhr, Seminarraum 25.12.02.33
• Praktische Übung: 2 SWS, nach Vereinbarung

Inhalte und Qualifikationsziele

• 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
• Approximate inference

Empfohlene Literatur

• Murphy, Machine Learning: A Probabilistic Perspective

Ergänzende Literatur

• MacKay, Information Theory, Inference, and Learning Algorithms, Cambridge 2003
  http://www.inference.phy.cam.ac.uk/itprnn/book.pdf
• Barber, Bayesian Reasoning and Machine Learning, Cambridge 2012
  http://web4.cs.ucl.ac.uk/staff/D.Barber/textbook/270212.pdf
• Rasmussen/Williams, Gaussian Processes for Machine Learning, MIT 2006
  http://www.gaussianprocess.org/gpml/chapters/RW.pdf
• 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

• Wahlpflichtmodul oder Schwerpunktmodul im Bachelor-Studiengang Informatik
• Nebenfach Informatik im Diplom-Studiengang Mathematik sowie im Bachelor- und Master-Studiengang

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

Themen & Folien

Siehe oben unter aktuelles.

Übungen 

Siehe oben unter aktuelles.

Praktische Übungen