Module

6 Treffer

B Elective Modules6

B1.2, B2.26

B1.2.2 Core Modules in Machine Learning6

Machine LearningNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B1.2.2 Core Modules in Machine LearningDu lernst die probabilistischen Grundlagen des maschinellen Lernens und zentrale Lernalgorithmen kennen — von einfachen Nachbarschafts- und Clusterverfahren über lineare Modelle und Support-Vektormaschinen bis zu neuronalen Netzen und EM-Methode. Am Ende kannst Du passende Algorithmen für gegebene Probleme auswählen, beschreiben und herleiten.8 ECTSläuft dieses SemesterIN2064Statistical Foundations of LearningNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B1.2.2 Core Modules in Machine LearningDu lernst statistische Grundlagen der Machine-Learning-Theorie und mathematische Werkzeuge zur Analyse von Lernalgorithmen. Am Ende kannst du Generalisierungs- und Konsistenzfragen bewerten, Algorithmen wie k‑NN, SVM und einfache neuronale Netze theoretisch analysieren und neuere Entwicklungen wie Überparametrisierung und Trainingsdynamiken einordnen.8 ECTSläuft dieses SemesterCIT4230004Statistical LearningNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B1.2.2 Core Modules in Machine LearningDu lernst Grundlagen und fortgeschrittene Methoden des überwachten und unüberwachten statistischen Lernens. Am Ende kannst du Modelle für Regression und Klassifikation verstehen und anwenden, Verfahren zur Dimensionsreduktion und Clusteranalyse nutzen sowie probabilistische Formulierungen von Lernproblemen nachvollziehen und neue Algorithmen entwerfen.6 ECTSläuft dieses SemesterMA4802Mathematical Foundations of Machine LearningNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B1.2.2 Core Modules in Machine LearningDu lernst die mathematischen Grundlagen moderner Verfahren des Machine Learning: Aufbau, Lernalgorithmen und Approximationseigenschaften neuronaler Netze, Theorie und Anwendung von Kernmethoden in reproduzierenden Hilberträumen sowie qualitative Aspekte wie Verlustfunktionen, Risiko und Komplexitätsfragen. Am Ende kannst Du Netze konstruieren, deren Approximationseigenschaften diskutieren, Kernmethoden anwenden und die statistische Effizienz von Verfahren einschätzen.6 ECTSkein Termin dieses SemesterMA4801Mathematical Foundations of Machine LearningNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B1.2.2 Core Modules in Machine LearningDu lernst die mathematischen Grundlagen moderner Methoden des Maschinenlernens. Am Ende kannst du neuronale Netze konstruieren und ihre Approximationseigenschaften diskutieren, Kernelmethoden in Reproducing Kernel Hilbert Spaces anwenden und die statistische Effizienz von Lernverfahren einschätzen.9 ECTSkein Termin dieses SemesterCIT413048
1 weitere in B1.2.2 Core Modules in Machine LearningMathematische Grundlagen der Neuronalen NetzeNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B1.2.2 Core Modules in Machine LearningDas Modul vermittelt ausgewählte mathematische Grundlagen zur Analyse künstlicher neuronaler Netze. Du lernst, wie Approximationseigenschaften, Stabilität gegenüber Eingangsperturbationen und die Lernbarkeit von Netzen mit verschiedenen mathematischen Werkzeugen untersucht werden. Am Ende verstehst du die zentralen theoretischen Ergebnisse und die verwendeten Analysemethoden.6 ECTSkein Termin dieses SemesterMA5913