227-0105-00L Introduction to Estimation and Machine Learning
| Semester | Herbstsemester 2020 |
| Dozierende | H.‑A. Loeliger |
| Periodizität | jährlich wiederkehrende Veranstaltung |
| Lehrsprache | Englisch |
Lehrveranstaltungen
| Nummer | Titel | Umfang | Dozierende | ||||
|---|---|---|---|---|---|---|---|
| 227-0105-00 G | Introduction to Estimation and Machine Learning
 The lecturers will communicate the exact lesson times of ONLINE courses. | 4 Std. |
| H.‑A. Loeliger |
Katalogdaten
| Kurzbeschreibung | Mathematical basics of estimation and machine learning, with a view towards applications in signal processing. |
| Lernziel | Students master the basic mathematical concepts and algorithms of estimation and machine learning. |
| Inhalt | Review of probability theory; basics of statistical estimation; least squares and linear learning; Hilbert spaces; Gaussian random variables; singular-value decomposition; kernel methods, neural networks, and more |
| Skript | Lecture notes will be handed out as the course progresses. |
| Voraussetzungen / Besonderes | solid basics in linear algebra and probability theory |
Leistungskontrolle
| Information zur Leistungskontrolle (gültig bis die Lerneinheit neu gelesen wird) | |
Leistungskontrolle als Semesterkurs | |
| ECTS Kreditpunkte | 6 KP |
| Prüfende | H.-A. Loeliger |
| Form | Sessionsprüfung |
| Prüfungssprache | Englisch |
| Repetition | Die Leistungskontrolle wird in jeder Session angeboten. Die Repetition ist ohne erneute Belegung der Lerneinheit möglich. |
| Prüfungsmodus | schriftlich 180 Minuten |
| Hilfsmittel schriftlich | Lecture Notes (not including problems and solutions) and personal notes (max. 4 pages). No electronic devices. (Pocket calculators will be handed out, if necessary.) |
| Diese Angaben können noch zu Semesterbeginn aktualisiert werden; verbindlich sind die Angaben auf dem Prüfungsplan. | |
Lernmaterialien
| Keine öffentlichen Lernmaterialien verfügbar. | |
| Es werden nur die öffentlichen Lernmaterialien aufgeführt. |
Gruppen
| Keine Informationen zu Gruppen vorhanden. |
Einschränkungen
| Allgemein |  : Für Fachstudierende und Hörer/-innen ist eine Spezialbewilligung der Dozierenden notwendig |
| Vorrang | Die Belegung der Lerneinheit ist nur durch die primäre Zielgruppe möglich |
| Primäre Zielgruppe | Maschineningenieurwissenschaften BSc (152000)
Robotics, Systems and Control MSc (159000) Micro- and Nanosystems MSc (161000) Maschineningenieurwissenschaften MSc (162000) Elektrotechnik und Informationstechnologie BSc (228000) Quantum Engineering MSc (235000) Energy Science and Technology MSc (236000) Energy Science and Technology MSc (236000) Elektrotechnik und Informationstechnologie MSc (237000) Biomedical Engineering MSc (238000) Informatik BSc (252000) Data Science MSc (261000) Informatik MSc (263000) DAS ETH in Data Science (266000) Mathematik BSc (404000) Physik BSc (405000) Rechnergestützte Wissenschaften BSc (406000) Mathematik MSc (437000) Angewandte Mathematik MSc (437100) Rechnergestützte Wissenschaften MSc (438000) Physik MSc (460000) Neural Systems and Computation MSc (461100) |
