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.
ECTS | 10 |
---|---|
Arbeitsaufwand | Bearbeiten der Lektionen: 150 Stunden
Bearbeiten der Übungsaufgaben: 75 Stunden
Prüfungsvorbereitung: 75 Stunden |
Dauer des Moduls | ein Semester |
Häufigkeit des Moduls | in jedem Semester |
Anmerkung | Keine |
Inhaltliche Voraussetzung | Keine |
Aktuelles Angebot
Prüfungsinformation
M.Sc. Data Science | |
---|---|
Art der Prüfungsleistung | benotete zweistündige Prüfungsklausur |
Voraussetzung | keine |
Stellenwert der Note | 1/12 |
Formale Voraussetzungen | keine |
M.Sc. Praktische Informatik | |
Art der Prüfungsleistung | benotete zweistündige Prüfungsklausur |
Voraussetzung | Keine |
Stellenwert der Note | 1/8 |
Formale Voraussetzungen | keine |
M.Sc. Informatik | |
Art der Prüfungsleistung | benotete zweistündige Prüfungsklausur |
Voraussetzung | Keine |
Stellenwert der Note | 1/12 |
Formale Voraussetzungen | keine |
Download
- Seite Modulhandbuch M.Sc. Data Science
- Seite Modulhandbuch M.Sc. Praktische Informatik
- Seite Modulhandbuch M.Sc. Informatik
- Leseprobe: Einführung in Maschinelles Lernen
Ansprechpersonen
Prof. Dr. Matthias Thimm
mathinf.webteam
| 10.05.2024