|
Size: 1810
Comment:
|
Size: 2402
Comment:
|
| Deletions are marked like this. | Additions are marked like this. |
| Line 18: | Line 18: |
| === Ablauf === Der ungefähre Ablauf ist wie folgt. Es besteht keine Anwesenheitspflicht. || 10:00 - 11:30 || Einführende Vorlesung || || 11:30 - 13:00 || Gemeinsames Bearbeiten der Übungsaufgaben || || 14:30 - 16:00 || Besprechung der Übungsaufgaben und Besprechung der Hausaufgaben vom vorherigen Tag| || 16:00 - 17:00 || Bearbeitung der Hausaufgaben || Abgabeschluss fuer die Hausaufgaben ist 10:00 Uhr am folgenden Tag. Wir werden folgende The- men behandeln: • Dienstag: Euklidische Vektorra ̈ume • Mittwoch: Matrizen • Donnerstag: Eigenwerte und -vektoren • Freitag: Wahrscheinlichkeitsrechnung |
|
| Line 24: | Line 36: |
| Es besteht keine Anwesenheitspflicht. Grundlage für den benoteten Leistungsnachweis (2 SWS bzw. 3 SP) ist eine Klausur (90 Minuten), auf Wunsch stellen wir bei bestandener Klausur auch einen unbenoteten Leistungsnachweis aus. Voraussetzung fÜr die Teilnahme an der Klausur ist das Erreichen von mindestens der Hälfte aller möglichen Punkte in den Hausaufgaben, die Ergebnisse in den Übungsaufgaben gehen nicht in die Note ein. | Grundlage für den benoteten Leistungsnachweis (2 SWS bzw. 3 SP) ist eine Klausur (90 Minuten), auf Wunsch stellen wir bei bestandener Klausur auch einen unbenoteten Leistungsnachweis aus. Voraussetzung fÜr die Teilnahme an der Klausur ist das Erreichen von mindestens der Hälfte aller möglichen Punkte in den Hausaufgaben, die Ergebnisse in den Übungsaufgaben gehen nicht in die Note ein. |
Mathematische Grundlagen für Maschinelles Lernen
Termin:
Blockveranstaltung Di, 26.03. bis Fr, 29.03.2012 jeweils 10:00-17:00 Uhr, Klausur Mi, 04.04.11 , 8:15 - 09:45 Uhr
Raum:
FR 6535
Dozent:
Irene Winkler (irene.winkler@tu-berlin.de, Raum FR 6056)
Ziel
Das Ziel dieses Kurses ist es, die mathematischen Kenntnisse aus den Grundlagen des Modulen des Informatik Studiums, die für die Vorlesungen "Kognitive Algorithmen" und "Maschinelles Lernen" vorausgesetzt werden, aufzufrischen und zu vertiefen.
Dabei handelt es sich um Konzepte der Linearen Algebra (Vektorraume, Skalarprodukte, Orthogonale Vektoren, Matrizen als lineare Abbildungen, Determinanten, Eigenwerte- und Eigenvektoren) und Wahrscheinlichkeitstheorie (mehrdimensionale Wahrscheinlichkeitsverteilungen, Rechnen mit Erwartungswerten und Varianzen).
=== Ablauf ===
Der ungefähre Ablauf ist wie folgt. Es besteht keine Anwesenheitspflicht.
10:00 - 11:30 |
Einführende Vorlesung |
11:30 - 13:00 |
Gemeinsames Bearbeiten der Übungsaufgaben |
|| 14:30 - 16:00 || Besprechung der Übungsaufgaben und Besprechung der Hausaufgaben vom vorherigen Tag|
16:00 - 17:00 |
Bearbeitung der Hausaufgaben |
Abgabeschluss fuer die Hausaufgaben ist 10:00 Uhr am folgenden Tag. Wir werden folgende The- men behandeln: • Dienstag: Euklidische Vektorra ̈ume • Mittwoch: Matrizen • Donnerstag: Eigenwerte und -vektoren • Freitag: Wahrscheinlichkeitsrechnung
Anrechenbarkeit
Dieser Kurs ist Pflichtbestandteil des Moduls "Kognitive Algorithmen" (B.Sc. Informatik) und Wahlpflichtbestandteil des Moduls "Maschinelles Lernen 1" (M.Sc. Informatik). (Das Master-Modul "Maschinelles Lernen 1" wird im Wintersemester angeboten und lässt sich auf Antrag in den Bachelor Informatik einbringen).
Eine Anmeldung für den Kurs ist nicht erforderlich, Studenten aller Fachrichtungen und Universitäten sind willkommen.
Grundlage für den benoteten Leistungsnachweis (2 SWS bzw. 3 SP) ist eine Klausur (90 Minuten), auf Wunsch stellen wir bei bestandener Klausur auch einen unbenoteten Leistungsnachweis aus. Voraussetzung fÜr die Teilnahme an der Klausur ist das Erreichen von mindestens der Hälfte aller möglichen Punkte in den Hausaufgaben, die Ergebnisse in den Übungsaufgaben gehen nicht in die Note ein.