Machine Learning: Supervised Methods

NUMMER: 310508
KÜRZEL: MLSM
MODULBEAUFTRAGTE:R: Prof. Dr. Tobias Glasmachers
DOZENT:IN: Jun.-Prof. Dr. Tobias Glasmachers
FAKULTÄT: Fakultät für Informatik
SPRACHE: Englisch
SWS: 4 SWS
CREDITS: 6 CP
WORKLOAD: 180 h
ANGEBOTEN IM: jedes Sommersemester

BESTANDTEILE UND VERANSTALTUNGSART

a) Vorlesung Machine Learning: Supervised
Methods (310508)
b) Übung (310518)

PRÜFUNGEN

FORM: schriftlich
ANMELDUNG:
DATUM: 0000-00-00
BEGINN: 00:00:00
DAUER: 90 min
RAUM:

LERNFORM

flipped classroom

LERNZIELE

Internationalisierung: Die Veranstaltung wird auf Englisch durchgeführt. Digitalisierung: Inhalte
werden durch Vidoes und Lesematerial vermittelt. Übungsaufgaben mit Programmieranteilen
werden in Form von Jupyter-Notebooks bereitgestellt. Nach dem erfolgreichen Abschluss
des Moduls
∙ verstehen die Teilnehmer die Grundlagen der statistischen Lerntheorie,
∙ kennen die Teilnehmer die wichtigsten Algorithmen des überwachten statistischen Lernens
und können diese auf Lernprobleme anwenden,
∙ kennen die Teilnehmer Stärken und Beschränkungen verschiedenen Lernverfahren,
∙ können die Teilnehmer Standardsoftware zum maschinellen Lernen zur Lösung neuer
Probleme einsetzen.

INHALT

Grundlagen der statistischen Lerntheorie, Querschnitt der wichtigsten Algorithmen des maschinellen
Lernens, konkrete Problemlösung mit Standardsoftware

VORAUSSETZUNGEN

Keine

VORAUSSETZUNGEN CREDITS

Bestandene Modulabschlussprüfung

EMPFOHLENE VORKENNTNISSE

Vorlesung: 'Mathematics for Modeling and Data Analysis'

LITERATUR

AKTUELLE INFORMATIONEN

SONSTIGE INFORMATIONEN