| Name des Moduls | [65570] Statistische Lerntheorie (Lab) | Bezeichnung des Moduls | FMI-IN0157 |
| Studiengang | [079] - Informatik | ECTS Punkte | 3 |
| Arbeitsaufwand für Selbststudium | 60 | Häufigkeit des Angebotes (Modulturnus) | unregelmäßig, siehe gegebenenfalls zusätzliche Informationen |
| Arbeitsaufwand in Präsenzstunden | 30 | Dauer des Moduls | 1 |
| Arbeitsaufwand Summe (Workload) | 90 | ||
| Modul-Verantwortliche/r | Joachim Giesen |
| Voraussetzung für die Vergabe von Leistungspunkten (Prüfungsform) | Erfolgreiche Abnahme der drei Laborberichte und deren mündliche Verteidigung |
| Empfohlene Literatur | Joachim Giesen: Statistical Learning Theory. Vorlesungsskript |
| Empfohlene bzw. erwartete Vorkenntnisse | Die Teilnahme am Modul FMI-IN0096 Algorithmische Grundlagen des Maschinellen Lernens wird dringend empfohlen |
| Art des Moduls (Pflicht-, Wahlpflicht- oder Wahlmodul) | - 079 B.Sc. Informatik: Wahlpflichtmodul (TIA) |
| Zusammensetzung des Moduls / Lehrformen (V, Ü, S, Praktikum, …) | 4 SWS Übung |
| Inhalte | Es sollen verschiedene Datensätze mit Methoden aus der statistischen Lerntheorie (Klassifikation, Regression, Kontingenzanalyse und Skalierung) analysiert werden. |
| Lern- und Qualifikationsziele | Nach Teilnahme an diesem Modul sind die Studierenden in der Lage, den Bias-Varianz-Tradeoff zu verstehen. Sie haben verschiedene Regularisierungstechniken aus der statistischen Lerntheorie |
| Voraussetzung für die Zulassung zur Modulprüfung | Laborberichte zur Analyse der verschiedenen Datensätze. |