|
Size: 1932
Comment:
|
Size: 2191
Comment:
|
| Deletions are marked like this. | Additions are marked like this. |
| Line 3: | Line 3: |
| || '''Termin:''' || ? || || '''Raum:''' || ? || |
|| '''Termin:''' || Freitags, 07.11,14.11, 21.11, 28.11, 10:00 - 17:00|| || '''Raum:''' || MAR 4.065 || || '''Klausur:'''|| Freitag, 05.12.14, 10:00 - 11:30, MAR 4.064 || |
| Line 23: | Line 24: |
| || 11:30 – 13:00 Uhr || Gemeinsame Bearbeitung der Übungsaufgaben || | || || Bearbeitung der Übungsaufgaben || || 15:00 - 16:00 Uhr || Besprechung der Übungsaufgaben || || 16:00 – 17:00 Uhr || Bearbeitung der Hausaufgaben || |
| Line 25: | Line 28: |
| || 14:00 - 15:30 Uhr || Besprechung der Übungsaufgaben || || 15:30 – 17:00 Uhr || Bearbeitung der Hausaufgaben || |
=== Material === ===== 7.11. Euklidische Vektorräume ===== * [[attachment:slides1.pdf|Folien]] ==== 14.11 - Matrizen & Detrminante ==== ==== 21.11 - Eigenwerte und Eigenvektoren ==== ==== 28.11 - Wahrscheinlichkeitsrechnung ==== |
| Line 30: | Line 43: |
| 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). | Der Kurs ist Wahlpflichtbestandteil des Moduls Maschinelles Lernen I (M.Sc. Informatik) und des Moduls Kognitive Algorithmen (B.Sc. Informatik). |
Mathematische Grundlagen für Maschinelles Lernen
Termin:
Freitags, 07.11,14.11, 21.11, 28.11, 10:00 - 17:00
Raum:
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).
Ablauf
Es besteht keine Anwesenheitspflicht. Der ungefähre Ablauf ist wie folgt:
10:00 – 11:30 Uhr |
Einführende Vorlesung |
|
Bearbeitung der Übungsaufgaben |
15:00 - 16:00 Uhr |
Besprechung der Übungsaufgaben |
16:00 – 17:00 Uhr |
Bearbeitung der Hausaufgaben |
Material
7.11. Euklidische Vektorräume
14.11 - Matrizen & Detrminante
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. Die Hausaufgaben sind nicht als Gruppenarbeit anzufertigen.