Moses - Mathematische Grundlagen des Maschinellen Lernens I

Zur Modulseite PDF generieren

Modul / Version
#20844 / #1

Gültigkeit
SoSe 2023 - SoSe 2023

Verfügbare Sprache(n)
Deutsch

Titel des Moduls
Mathematische Grundlagen des Maschinellen Lernens I

Leistungspunkte
10

Modulverantwortliche*r
Kreusler, Hans-Christian

Benotung
Benotet

Prüfungsform
Mündliche Prüfung

Lehrsprache(n)
Deutsch

Zugehörigkeit

Fakultät
Fakultät II

Institut
Institut für Mathematik

Fachgebiet
Keine Angabe

Prüfungsausschuss
Mathe

Kontakt

Sekretariat
MA 5-4

Ansprechpartner*in
Gottschalk, Hanno

E-Mail-Adresse
Keine Angabe

Webseite
Keine Angabe

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

Die Modulbeschreibung gilt nur für den Zeitraum SoSe 2023 - SoSe 2023. Die Version für das aktuelle Semester (SoSe 2025) finden Sie hier: Modulbeschreibung des SoSe 2025

Lernergebnisse

Die Studierenden verstehen die Grundlagen des maschinellen Lernens und insbesondere des statistischen Lernens. Sie kennen wichtige Lernverfahren des überwachten und unüberwachten Lernens und verstehen die Voraussetzungen, unter denen diese Verfahren mit hoher Wahrscheinlichkeit zum Erfolg führen. Die Studierenden Erwerben die Kompetenz, ein geeignetes Lernverfahren für eine datengetriebene Problemstellung auszuwählen und die Modelle des Maschinellen Lernens auszuwählen und an die Größe des Datensatzes anzupassen.

Lehrinhalte

Large Deviation Theory Abstandsmaße von Verteilungen Überwachtes und unüberwachtes Lernen Statistische Lernverfahren Lernverfahren auf Basis von empirischen Risikofunktionen Modelle des Maschinellen Lernens Konvergenzraten von Lernverfahren

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Mathematische Grundlagen des Maschinellen Lernens I	UE		WiSe/SoSe	de	2
Mathematische Grundlagen des Maschinellen Lernens I	VL		WiSe/SoSe	de	4

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Mathematische Grundlagen des Maschinellen Lernens I (UE):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Präsenzzeit	15.0	2.0h	30.0h
			30.0h(~1 LP)

Mathematische Grundlagen des Maschinellen Lernens I (VL):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Präsenzzeit	15.0	4.0h	60.0h
Vor-/Nachbereitung	15.0	10.0h	150.0h
			210.0h(~7 LP)

Lehrveranstaltungsunabhängiger Aufwand:

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Prüfungsvorbereitung	1.0	60.0h	60.0h
			60.0h(~2 LP)

Der Aufwand des Moduls summiert sich zu 300.0 Stunden. Damit umfasst das Modul 10 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Vorlesungen und Übungen

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Dringend empfohlen: Wahrscheinlichkeitstheorie I

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Mündliche Prüfung

Sprache(n)

Deutsch

Dauer/Umfang

Keine Angabe

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Sommersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Standard.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: nicht verfügbar

Literatur

Empfohlene Literatur
Shalev-Shwartz, Shai, and Shai Ben-David. Understanding machine learning: From theory to algorithms. Cambridge university press, 2014.
Van Handel, Ramon. Probability in high dimension. PRINCETON UNIV NJ, 2014.

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

	Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Studierende anderer Studiengänge können dieses Modul ohne Kapazitätsprüfung belegen.

Sonstiges

Das Modul wird künftig Herrn Prof. Dr. Hanno Gottschalk zugeordnet