Lehrende: Dr. Timo Baumann
Veranstaltungsart: Vorlesung
Anzeige im Stundenplan: ML-VL
Semesterwochenstunden: 4
Credits: 6,0
Unterrichtssprache: Englisch
Min. | Max. Teilnehmerzahl: - | 85
Kommentare/ Inhalte: Formale Grundlagen des maschinellen Lernens; Überwachte Lernverfahren für Regression und Klassifikation (lineare Methoden,Kernmethoden wie SVMs, Regularisierung), Methoden des unüberwachten Lernens (Dimensionsreduktion, Clustering, outlier detection); Reinforcement learning.
Lernziel: - Vertiefte Kenntnisse der verschiedenen Ansätze zum Lernen aus Daten auch im Hinblick auf ihre jeweiligen Beschränkungen - Fähigkeit zur vergleichenden Bewertung von Lernverfahren im Hinblick auf spezifische Anwendungsbedingungen - Fähigkeit zur systematischen Einordnung neuer Verfahren - Fähigkeit zur Konzeption, Umsetzung und Evaluation eines lernenden Systems für eine gegebene Aufgabenstellung - Fähigkeit zur Präsentation von empirischen Befunden im Bereich des algorithmischen Lernens