Mathematische Grundlagen für Maschinelles Lernen
Termin:
Freitags, 07.11,14.11, 21.11, 28.11, 10:00 - 17:00
Raum:
MAR 4.064, MAR 4.065
Klausur:
Freitag, 05.12.14, 10:00 - 11:30, MAR 4.064
Dozent:
Irene Winkler (irene.winkler@tu-berlin.de)
Informationen
Das Ziel dieses Kurses ist es, die mathematischen Kenntnisse aus den Grundlagen des Modulen des Informatik Studiums, die fur die Vorlesung Maschinelles Lernen vorausgesetzt werden, aufzufrischen und zu vertiefen.
Dabei handelt es 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).
Weitere Informationen/Materialien gibt es auf ISIS.
Ablauf
Es besteht keine Anwesenheitspflicht. Der ungefähre Ablauf ist wie folgt:
10:00 – 11:30 Uhr |
Einführende Vorlesung, Raum MAR 4.064 |
|
Bearbeitung der Übungsaufgaben |
15:00 - 16:00 Uhr |
Besprechung der Übungsaufgaben, Raum MAR 4.065 |
16:00 – 17:00 Uhr |
Bearbeitung der Hausaufgaben |
Folgende Themen werden behandelt
07.11 - Euklidische Vektorräume , Folien Tag 1
- 14.11 - Matritzen und Determinante
- 21.11 - Eigenwerte und Eigenvektoren
- 28.11 - Wahrscheinlichkeitsrechnung
Anrechenbarkeit
Der Kurs ist Wahlpflichtbestandteil des Moduls Maschinelles Lernen I (M.Sc. Informatik) und des Moduls Kognitive Algorithmen (B.Sc. Informatik).
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. 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.