Statistical and Computational Hardness of Learning

Worum geht's

Du lernst, wann und warum bestimmte Lernaufgaben mit Daten grundsätzliche Grenzen haben — sowohl wegen zu weniger/zu verrauschter Daten (statistische Härte) als auch wegen rechnerischer Unlösbarkeit in polynomieller Zeit (computationale Härte). Am Ende kannst du diese Begrenzungen für Hypothesentests, sparse lineare Regression und hochdimensionale/graphbasierte Clustering-Probleme analysieren und einschätzen.

Was du danach kannst

• statistische und rechnerische Grenzen von Lernproblemen analysieren
• statistische und theoretisch-informatikliche Techniken kombinieren und anwenden
• neue Methoden prinzipiell unter Beachtung statistischer und computationaler Grenzen entwickeln

Aus was das Modul besteht

• VorlesungPräsentation der theoretischen Rahmenwerke und Ergebnisse; Einführung und Beweisführung statistischer Konzepte
• Übung/Tutorialwöchentliche Sitzungen mit Beispielaufgaben zur Anwendung und Herleitung von Resultaten
• Skript/SlidesVertiefung der Vorlesungsinhalte und Diskussion der Entwicklung neuer Methoden

Lehrmethode

• Tafelvorlesung und VorlesungsskriptVorstellung der Schlüsselrahmen und Beweise; Vermittlung theoretischer Konzepte (ILO 1, ILO 2)
• SlidesDiskussion und Illustration der Entwicklung neuer Methoden (ILO 3)
• Wöchentliche ÜbungssitzungenAnwendung der Theorie auf Beispielaufgaben und Ableitung neuer theoretischer Resultate (ILO 1–3)
• Moodleasynchrone Diskussionen und Bereitstellung von Lehrmaterialien