Vorlesung Maschinelles Lernen 1 im Sommersemester 2016

Professor Marius Kloft
Sprechstunde: Freitags , 15:00-16:00 (in vorlesungsfreier Zeit nur nach Vereinbarung).

In der Vorlesung Maschinelles Lernen 1 werden die folgenden Themen behandelt: Mathematische Grundlagen der Linearen Algebra, K-Nächste-Nachbarn-Klassifikation, Kernmethoden, Support-Vektor-Maschinen, Konvexe Optimierung und Dualitätstheorie, Regularisierung und Overfitting, Kreuzvalidierung und Modellevaluation, Regression, Neuronale Netze, Clustering, Dimensionsreduktion.

Die erste Vorlesung findet am Freitag, den 22.4.2016, statt.

Die Vorlesung wird durch eine Übung begleitet. Die Einschreibung und Abgaben erfolgen über Goya. Studierende, die noch keinen Login haben, registrieren sich hier. Zusätzlich gibt es ein begleitendes Semesterprojekt. Bei Fragen zur Übung oder dem Projektseminar wenden Sie sich bitte (vorzugsweise via Goya) an Florian Wenzel.

Termine

Vorlesung: Freitags 11-13 Uhr
Übung & Projektseminar: Freitags 13-15 Uhr

Voraussetzungen

Grundkenntnisse in den Programmiersprachen MATLAB oder Python (eine genügt!); fundierte Kenntnisse der Linearen Algebra und multivariaten Analysis.

Prüfungen

Das Modul wird mit einer mündlichen Prüfung abgeschlossen. Die Prüfungstermine sind:

• 26.7.2016
• 27.7.2016 (nachdem 26.7. voll)
• 15.9.2016
• 16.9.2016 (nachdem 15.9. voll)

Literatur zur Vorlesung

• Duda, Hart, Stork. Pattern classification, Wiley 2001.
• T Hastie, R Tibshirani, J Friedman. The elements of statistical learning: data mining, inference and prediction, 2nd edition, Springer 2009.

Themen der Vorlesung

Die Folien zu jeder Vorlesung werden in einem internen SVN jeweils nach der Vorlesung als PDF erhältlich sein: Hier zu finden.