Nummer

INF3151 		Titel

Grundlagen des maschinellen Lernens 		Art der Vorlesung

Pflicht
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur
Lehrform(en) Vorlesung, Übung
Inhalt

In diesem Modul sollen grundlegende Prinzipien und einfache Algorithmen aus dem Bereich des statistischen Lernens vermittelt werden. Themen sind u.a.: Verschiedene Lernprobleme und Ansätze zur Lösung, Grundprinzipien des statistischen Lernens (Satz von Bayes, Entscheidungstheorie, grundlegende Probleme, Evaluation von Ergebnissen), einfache Baseline Modelle aus dem Bereich des überwachten und unüberwachten Lernens (Dichteschätzung, Klassifizierung, Clustering), ML im gesellschaftlichen Kontext.
Qualifikationsziele

Die Studierenden kennen grundlegende Prinzipien und Verfahren des maschinellen Lernens und wissen um deren prinzipiellen Grenzen. In den Übungen haben sie gelernt, kleine praktische Probleme mit den behandelten Verfahren zu lösen und entsprechende Algorithmen praktisch zu implementieren.
Vergabe von Leistungspunkten/Benotung
Lehrform
Status
SWS
LP
Prüfungsform
Prüfungsdauer
Benotung
Berechnung
Modulnote (%)
Teilnahmevoraussetzungen INFM1110 Praktische Informatik 1: Deklarative Programmierung,

INFM1120 Praktische Informatik 2: Imperative und objektorientierte Programmierung
Dozent/in Akata, Martius
Literatur / Sonstiges

The interested students should have passed the lectures INFM1110 or INFM1120 before taking this lecture.

The lecture will follow the book 'Introduction to Machine Learning', 4th Edition, Ethem Alpaydin, MIT Press. It will cover the Chapters 1-12 and 20.
Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche BIOINFM2510, INFM, MDZINFM2510, MEINFM3210