Modul 64401 Einführung in Maschinelles Lernen

Modulinformationen

Dieser Kurs bietet einen breiten Einstieg in klassische und moderne Methoden des Maschinellen Lernens. Nach einer allgemeinen Einführung und Aufrischung wichtiger Grundlagen wie Wahrscheinlichkeitstheorie und Lineare Algebra, werden klassische Ansätze des unüberwachten Lernens (wie K-Means Clustering und Hierarchical Clustering), des überwachten Lernens (wie Bayes Klassifikation, Entscheidungsbäume, Assoziationsregeln und Support Vector Machines), und des Reinforcement-Learnings (wie Markov-Entscheidungsprozesse und Q-Learning) vorgestellt.  Anschliessend werden moderne Deep Learning Methoden diskutiert. Dies beinhaltet eine allgemeine Einführung in Künstliche Neuronale Netze, sowie eine tiefere Auseinandersetzung mit Convolutional Neural Networks, Recurrent Neural Networks und Transformern. Abschliessend werden dem Maschinellen Lernen nahe Techniken wie Principal Component Analysis und Data Mining diskutiert.
 
Ergänzende Literatur:
Tom M. Mitchell. Machine Learning. McGraw-Hill, 1997.
Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning. MIT Press, 2016
 

ECTS10
Arbeitsaufwand
Bearbeiten der Kurseinheiten: 150 Stunden
Bearbeiten der Übungsaufgaben: 75 Stunden
Prüfungsvorbereitung: 75 Stunden
Dauer des Modulsein Semester
Häufigkeit des Modulsin jedem Semester
AnmerkungKeine
Inhaltliche Voraussetzung
Keine

Prüfungsinformation

[an error occurred while processing this directive]

Download

Ansprechpersonen

mathinf.webteam | 23.03.2022