Mathematische Grundlagen für Maschinelles Lernen
Termin:
?
Raum:
?
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 |
11:30 – 13:00 Uhr |
Gemeinsame Bearbeitung der Übungsaufgaben |
14:00 - 15:30 Uhr |
Besprechung der Übungsaufgaben |
15:30 – 17:00 Uhr |
Bearbeitung der Hausaufgaben |
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. 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.