back to search

Grundlagen des "Machine Learning" für die Physik

NAT3009Specialization Phase5 ECTSwinter semesterStudiengangsbündel Professional Profile Physik

This module is taught in German, so its description is only available in German.

AI-edited module sheet. Based on the TUMonline module description, edited for readability.Original in TUMonline

What it is about

Du lernst grundlegende Konzepte und Methoden des Machine Learning mit Fokus auf Anwendungen in der Physik. Am Ende kannst du grundlegende Klassifikations- und Regressionsmodelle sowie Ensembleverfahren verstehen, einschätzen und einfache Beispielrechnungen dazu durchführen.

What you will be able to do

  • Grundverständnis von Klassifikationsmodellen
  • Grundverständnis von Regressionsmodellen
  • Kenntnis wichtiger Ensemblemethoden (z.B. Boosting bei Entscheidungsbäumen)
  • Verständnis von Modelloptimierung
  • Erkennen und Kontrollieren von Overfitting/Underfitting
  • Wissen zu grundlegenden Methoden der Datenvorverarbeitung
  • Anwenden von Metriken für Regression und Klassifikation

What the module consists of

  • VorlesungVermittlung der theoretischen Grundlagen und Fragestellungen
  • ÜbungEinüben der behandelten Problemstellungen; Teilnahme wird dringend empfohlen

Teaching method

  • Vorlesungeinführen und erklären der Konzepte
  • Übungenpraktische Festigung und Vorbereitung auf die Modulprüfung

Dates

LectureGrundlagen des "Machine Learning" für die Physik

  • Wed11:00–13:00019, LMU Hörsaal im Physik Werkstattgebäude (5123.EG.019)
    14× · 14.10.–03.02.
    • 14.10.
    • 21.10.
    • 04.11.
    • 11.11.
    • 18.11.
    • 25.11.
    • 02.12.
    • 09.12.
    • 16.12.
    • 23.12.
    • 13.01.
    • 20.01.
    • 27.01.
    • 03.02.

ExerciseÜbung zu Grundlagen des "Machine Learning" für die Physik

  • Wed13:00–15:00019, LMU Hörsaal im Physik Werkstattgebäude (5123.EG.019)
    15× · 14.10.–03.02.
    • 14.10.
    • 21.10.
    • 28.10.
    • 04.11.
    • 11.11.
    • 18.11.
    • 25.11.
    • 02.12.
    • 09.12.
    • 16.12.
    • 23.12.
    • 13.01.
    • 20.01.
    • 27.01.
    • 03.02.

From the current semester, not binding.

Module ratings

No ratings for this module yet.

Rate this module

Only fill in the categories you can judge – for each one, either stars and text together or nothing at all.

Lecture
Tutorial
Exam

Reviews are automatically checked before they are published.

Official page in TUMonline · Details are not binding.