Angewandtes Maschinelles Lernen
Dr. Patrick Schäfer
Die Einführungsveranstaltung findet am Montag, 25. April, ausschließlich per Zoom statt. Zugangsdaten wurden per Moodle und Agnes verteilt.
Die Vorlesung findet, soweit möglich, hybrid (Präsenz+Zoom) statt. Es existieren zusätzlich Videos aus dem Vorjahr. Inhalte können leicht von den Aufzeichnungen abweichen. Die ersten Übungen finden in der Woche vom 2. Mai statt.
Diese Vorlesung gibt eine Einführung in das Gebiet des Maschinellen Lernens. Es werden verschiedene Verfahren des Maschinellen Lernens, deren grundlegenden mathematischen Konzepte sowie deren praktische Anwendung vorgestellt. Die Vorlesung thematisiert u.a. Klassifizierung, Regression, Testen und Overfitting, Dimensionsreduktion und Datentransformation.
In der begleitenden Übung werden praktische Erfahrungen mit Maschinellen Lernalgorithmen unter Verwendung von Open-Source-Bibliotheken in Python gesammelt.
Termin
| Montag | 15:00 - 17:00 | RUD 26, 0'115, und Zoom |
Voraussetzungen
Der Kurs setzt Schwerpunkte auf Python und linearer Algebra. Daher sind Programmierkenntnisse (zB in Python) und Kenntnisse in linearer Algebra von Vorteil. Alternativ die Bereitschaft sich einzuarbeiten.
Prüfungen und Anrechenbarkeit
Schriftliche Prüfung. Voraussetzung für die Anmeldung zur Prüfung ist das Bestehen der Übung.
Das Modul ist anrechenbar für
- Monobachelor Informatik, 5 SP
- Kombinationsbachelor, 5 SP
- INFORMIT, 5 SP
- Forschungsorientiert: Ja - kann im Masterstudiengang Informatik angerechnet werden im fachlichen Wahlpflichtbereich.
Literatur und weiterführende Links
- Hastie, Tibshirani, Friedman:The Elements of Statistical Learning, Second Edition Buch PDF
- Schnellstart Python Ein Einstieg ins Programmieren für MINT-Studierende (Kostenfrei über die HU-Bibliothek als Download)
Themen und Folien
Folien sind in Moodle jeweils nach der Vorlesung als PDF verfügbar. Änderungen möglich. All slides are English, but the course will be held in German.