Moses - Modulbeschreibung ohne Titel

Zur Modulseite PDF generieren

Modul / Version
#40894 / #2

Gültigkeit
WS 2018/19 - SoSe 2020

Verfügbare Sprache(n)
English

Titel des Moduls
Mathematics of Machine Learning

Leistungspunkte
6

Modulverantwortliche*r
Stanczak, Slawomir

Benotung
Benotet

Prüfungsform
Mündliche Prüfung

Lehrsprache(n)
English

Zugehörigkeit

Fakultät
Fakultät IV

Institut
Institut für Telekommunikationssysteme

Fachgebiet
34331800 FG Netzwerk- und Informationstheorie

Prüfungsausschuss
Keine Angabe

Kontakt

Sekretariat
HFT 6

Ansprechpartner*in
Reinhardt, Kerstin

E-Mail-Adresse
sekretariat@netit.tu-berlin.de

Webseite

http://www.netit.tu-berlin.de/

Diese Modulbeschreibung ist nicht oder nicht vollständig auf deutsch hinterlegt.

Es wird stattdessen der Inhalt der folgenden Sprachversion angezeigt: Englisch.

Klicken Sie hier um die Inhalte der fehlenden oder unvollständige Sprachversion (Deutsch) anzuzeigen

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

Die Modulbeschreibung gilt nur für den Zeitraum WS 2018/19 - SoSe 2020. Die Version für das aktuelle Semester (SoSe 2025) finden Sie hier: Modulbeschreibung des SoSe 2025

Lernergebnisse

After completeing the module the students will have a solid understanding of theoret- ical foundations of Machine Learning and will be able to develop, apply, and analyze the complexity of the resulting learning algorithms. Moreover, a special emphasis will be put on applications of Machine Learning in areas such as Signal Processing and Wireless Communications and the students will be able to theoretically analyze and algorithmically solve learning problems arising in these fields.

Lehrinhalte

The learning content includes: • Learning Model • Learning via Uniform Convergence • Bias-Complexity Tradeoff • Stochastic Inequalities and Concentration of Measure • Suprema of empirical Processes • Vapnik- Chervonenkis Dimension (VC Dimension) • Nonuniform Learning • Runtime of Learning • Hilbert Spaces and Projection Methods • Kernel and Multi-Kernel Methods • Information Innovation • Regularization, Dimension Reduction and Compressive Sensing

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Mathematical Introduction to Machine Learning	VL		WiSe	Keine Angabe	2
Theory and Algorithms of Machine Learning for Communication	VL		SoSe	en	2

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Mathematical Introduction to Machine Learning (VL):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Attendance	15.0	2.0h	30.0h
Pre/post processing	15.0	4.0h	60.0h
			90.0h(~3 LP)

Theory and Algorithms of Machine Learning for Communication (VL):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Attendance	15.0	2.0h	30.0h
Pre/post processing	15.0	4.0h	60.0h
			90.0h(~3 LP)

Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

The module consists of conventional frontal teaching in class, developing theoretical and mathematical concepts, exercises developed in class, in order to develop problem- solving skills and reinforce comprehension of the theory,

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Prerequisite for participation to courses are a mathematical background at the level of beginning MS students in Electrical Engineering (multivariate calculus, signals and systems, linear algebra and notions of matrix theory). The course is open to students enrolled in any MSc in EE CS, Mathematics and Physics.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Oral exam

Sprache(n)

English

Dauer/Umfang

45 minutes

Dauer des Moduls

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

Dieses Modul kann in folgenden Semestern begonnen werden:
Winter- und Sommersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Course teaching and organization (not module examination enrollment at Examination office/Prüfungsamt) is supported by an ISIS course. Registration details are provided at the beginning of the module.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: verfügbar

Zusätzliche Informationen:

Literatur

Empfohlene Literatur
P. Rigollet: Mathematics of Machine Learning, MIT Lecture Notes (online)
R. Vershynin: High-Dimensional Probability: An Introduction with Applications in Data Sciences (book in preparation, online)
S. Shalev-Schwartz and S. Ben-David: Understanding Machine Learning: From Theory to Algorithms, Cambridge University Press 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

Keine Angabe