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.

Abgabeschluss fuer die Hausaufgaben ist 10:00 Uhr am folgenden Tag. Wir werden folgende Themen behandeln: * Dienstag: Euklidische VektorrÄume * 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.