Einfuehrung in statistische Modellierung und maschinelles Lernen.
Lernziel
Ziel ist es, das Prinzip und die die Werkzeuge des maschinellen Lernens kennenzulernen, und sie zur Datenalalyse in praktischen Situationen anwenden zu koennen.
Inhalt
Multivariate Verteilungen; Vergleich von Wahrscheinlichkeitsverteilungen; Regression; Klassifizierung; Modellselektion und cross-validation; Clustering und Dichteschaetzung; mixture models; neuronale Netze
Literatur
C. Bishop: Pattern Recognition and Machine Learning, Springer 2006 T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning, Springer 2017 R. Duda, P. Hart, D. Stork: Pattern Classification, Wiley 2000
Leistungskontrolle
Information zur Leistungskontrolle (gültig bis die Lerneinheit neu gelesen wird)
Die Leistungskontrolle wird in jeder Session angeboten. Die Repetition ist ohne erneute Belegung der Lerneinheit möglich.
Prüfungsmodus
schriftlich 90 Minuten
Zusatzinformation zum Prüfungsmodus
Die Note setzt sich wie folgt zusammen: i) 90min schriftliche Prüfung und ii) obligatorisches Leistungselement in Form von Übungsaufgaben während des Semesters. Hinweis: Die Schlussnote setzt sich zu 70% aus der Prüfungsnote und zu 30% aus der Bewertung der Übungsaufgaben zusammen. Weder die Pruefung noch das obligatorische Leistungselement muessen für sich allein bestanden werden.
Hilfsmittel schriftlich
Keine
Falls die Lerneinheit innerhalb eines Prüfungsblockes geprüft wird, werden die Kreditpunkte für den gesamten bestandenen Block erteilt. 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
Plätze
Maximal 40
Vorrang
Die Belegung der Lerneinheit ist bis 26.02.2021 nur durch die primäre Zielgruppe möglich