Differences between revisions 1 and 4 (spanning 3 versions)
Revision 1 as of 2016-08-04 10:50:25
Size: 2189
Comment:
Revision 4 as of 2016-08-18 12:20:51
Size: 2219
Comment:
Deletions are marked like this. Additions are marked like this.
Line 4: Line 4:
 || '''Raum:''' || MAR 4.064 ||
 || '''Klausur:'''|| Freitag, 16.10.15, 14:00 - 16:00, MAR 4.064 ||
 || '''Raum:''' || MAR 0.007 ||
 || '''Klausur:'''|| Fr, 21.10.16, 10:00 - 12:00 (voraussichtlich) ||
Line 14: Line 14:
Dabei handelt es sich um Konzepte der Linearen Algebra (Vektorräume, Skalarprodukte, Orthogonale Dabei handelt es sich um Konzepte der Analysis (Differentiation), Linearen Algebra (Vektorräume, Skalarprodukte, Orthogonale
Line 19: Line 19:
Weitere Informationen/Materialien gibt es auf [[https://isis.tu-berlin.de/course/view.php?id=5769| ISIS]]. Weitere Informationen/Materialien gibt es auf [[https://isis.tu-berlin.de/course/view.php?id=7960| ISIS]].
Line 30: Line 30:
Folgende Themen werden behandelt Folgende Themen werden behandelt (vorläufiger Zeitplan):
Line 32: Line 32:
 * 06.10. - Euklidische Vektorräume
 * 07.10. - Matrizen und Determinanten
 * 08.10. - Eigenwerte und Eigenvektoren
 * 09.10. - Wahrscheinlichkeitsrechnung
 * 04.10. - Analysis
 * 05.10. - Lineare Algebra 1. Teil
 * 06.10. - Lineare Algebra 2. Teil
 * 07.10. - Wahrscheinlichkeitsrechnung

Mathematische Grundlagen für Maschinelles Lernen

  • Termin:

    Di-Fr, 04.10.16 - 07.10.16, 10:00 - 17:00

    Raum:

    MAR 0.007

    Klausur:

    Fr, 21.10.16, 10:00 - 12:00 (voraussichtlich)

    Dozentin:

    stephanie.brandl@tu-berlin.de

Informationen

Das Ziel dieses Kurses ist es, die mathematischen Grundlagen aus den 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 Analysis (Differentiation), Linearen Algebra (Vektorräume, 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

Bearbeitung der Übungsaufgaben

15:00 - 16:00 Uhr

Besprechung der Übungsaufgaben

16:00 – 17:00 Uhr

Bearbeitung der Hausaufgaben

Folgende Themen werden behandelt (vorläufiger Zeitplan):

  • 04.10. - Analysis
  • 05.10. - Lineare Algebra 1. Teil
  • 06.10. - Lineare Algebra 2. Teil
  • 07.10. - 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.

IDA Wiki: Main/WS16_MatheKurs (last edited 2016-08-18 12:23:44 by StephanieBrandl)