PRÄSENZ im SoSe 22: Algorithmische Grundl. des Maschinellen Lernens LAB (Statistische Lerntheorie) - Einzelansicht

Joachim Giesen: Statistical Learning Theory. Vorlesungsskript
Hastie, Trevor, Tibshirani, Robert; Friedman, Jerome H.: Elements of Statistical Learning. Data Mining, Inference, and Prediction.

Die Teilnahme am Modul FMI-IN0096 Algorithmische Grundlagen des Maschinellen Lernens wird dringend empfohlen

Voraussetzung für die Zulassung zur Modulprüfung:

Laborberichte zur Analyse der verschiedenen Datensätze.

Voraussetzung für die Vergabe von Leistungspunkten (Prüfungsform):

Erfolgreiche Abnahme der drei Laborberichte und deren mündliche Verteidigung

Es sollen verschiedene Datensätze mit Methoden aus der statistischen Lerntheorie (Klassifikation, Regression, Kontingenzanalyse und Skalierung) analysiert werden.

Lern- und Qualifikationsziele:

Erwerb eines praktischen Verständnis von
- dem Bias-Varianz Tradeoffs,
- verschiedene Regularisierungstechniken und
- dem Unterschied zwischen Trainings- und Testfehler.

Wahlpflichtmodul (TIA) für den B.Sc. Informatik
Wahlpflichtmodul (TIA) für den B.Sc. Angewandte Informatik
Wahlpflichtmodul (Angewandte Mathematik) für den B.Sc. Mathematik
Wahlpflichtmodul (Informatik) für den M.Sc. Computational Science