Modul 64401 Einführung in Maschinelles Lernen

Modulinformationen

Diese Lehrveranstaltung bietet einen breiten Einstieg in klassische und moderne Methoden des Maschinellen Lernens. Nach einer allgemeinen Einführung und Auffrischung 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.

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

Aktuelles Angebot

Prüfungsinformation

M.Sc. Data Science
Art der Prüfungsleistungbenotete zweistündige Prüfungsklausur
Voraussetzungkeine
Stellenwert der Note1/12
Formale Voraussetzungenkeine
M.Sc. Praktische Informatik
Art der Prüfungsleistungbenotete zweistündige Prüfungsklausur
VoraussetzungKeine
Stellenwert der Note1/8
Formale Voraussetzungenkeine
M.Sc. Informatik
Art der Prüfungsleistungbenotete zweistündige Prüfungsklausur
VoraussetzungKeine
Stellenwert der Note1/12
Formale Voraussetzungenkeine

Download

Ansprechpersonen

mathinf.webteam | 10.05.2024