Matlab Programmierung für Maschinelles Lernen und Datenanalyse

• Termin:	Blockveranstaltung Di, 03.04. bis Do, 05.04.2012 jeweils 10:00-17:00 Uhr, Prüfung Mi, 11.04. 08:30 - 10:00 Uhr
  Raum:	FR 6043
  Dozent:	Irene Winkler (irene.winkler@tu-berlin.de, Raum FR 6056)

Das Ziel dieses Kurses ist es, allgemeine Grundlagen im Umgang und der Programmierung von Matlab zu vermitteln. Die Inhalte des Kurses sind geringfügig auf Anwendungen im Maschinellen Lernen zugeschnitten. Statistische Methoden zur Datenanalyse werden nicht unterrichtet.

Grundlegende Kenntnisse in einer andere Programmiersprache werden vorausgesetzt. Das bedeutet, Konzepte wie

• Variablen und Datentypen;
• Kontrollstrukturen (if, for, while, switch);
• Definition und Aufruf eigener Funktionen; und der
• Umgang mit der (UNIX) Kommandozeile

sollten geläufig sein.

Außerdem werden Kenntnisse in Elementarer Lineare Algebra vorausgesetzt: Matrizen und Vektoren, einfache analytische Geometrie.

Für die Nutzung von Matlab auf unseren Rechnern wird ein TUBIT-Account benötigt. Falls ihr noch keinen Account habt, schreibt mir bitte eine e-mail an irene.winkler@tu-berlin.de mit vollständigem Namen (so wie er auf dem Ausweis steht) und Geburtsdatum. Wir generieren dann ein PDF, mit dem der TUBIT-Account an der Kartenausgabestelle abgeholt werden kann.

Kommando zum Starten von Matlab: /afs/tu-berlin.de/units/Fak_IV/ml/matlab/bin/matlab

Die Abgabe der Hausaufgaben erfolgt via ISIS.

Ablauf

Es besteht keine Anwesenheitspflicht. Der ungefähre Ablauf ist wie folgt:

Abgabeschluss für die Hausaufgaben ist 10:00 Uhr am folgenden Tag. Wir werden folgende Themen behandeln:

• Dienstag: Grundlagen Matlab, Lineare Algebra
• Mittwoch: Grafik, Zufallszahlen
• Donnerstag: Mehr Grafik, Datenimport, Umgang mit Strings

Anrechenbarkeit

Der Kurs ist Wahlpflichtbestandteil des Moduls Maschinelles Lernen I (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 LP) ist die Klausur (90 Minuten), auf Wunsch stellen wir bei bestandener Klausur auch einen unbenoteten Leistungsnachweis aus. Matlab und sämtliche Aufzeichnungen dürfen in der Klausur verwendet werden. 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. Die Hausaufgaben sind nicht als Gruppenarbeit anzufertigen.