Mathematical Data Analysis

Worum geht's

Du lernst Methoden zur Analyse komplexer und unstrukturierter Daten, darunter Regressions- und Klassifikationsaufgaben. Das Modul vermittelt Grundlagen wie Loss-Funktionen, positiv definite Kernel und reproduzierende Kernel-Hilberträume sowie Regularisierungsstrategien (z. B. Tikhonov) und SVM-Regression. Außerdem werden Summationsverfahren und Manifold Learning behandelt.

Was du danach kannst

• Grundverständnis der Analyse komplexer und unstrukturierter Daten
• Kenntnis von Lernkonzepten und Verlustfunktionen
• Vertrautheit mit reproduzierenden Hilberträumen und positiven definiten Kerneln
• Verständnis von Regularisierungstheorien (z. B. Tikhonov) und verwandten Problemen
• Anwendung von SVM-Regression und Methoden des Manifold Learning
• Einsatz von Summations- bzw. Summability-Methoden

Aus was das Modul besteht

• VorlesungVermittlung der theoretischen Grundlagen
• Integrierte ÜbungenAnwendung und Übung der Inhalte; Studierende sollen Aufgaben bearbeiten, Lösungen werden im Kurs präsentiert

Lehrmethode

• Vortrag (Tafel/Präsentation)Erklärung der Konzepte und Herleitungen
• Übungsbearbeitung mit LösungsgesprächenFestigung des Verständnisses durch aktive Problemlösung