Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 

ONLINE im SoSe 21: Algorithmische Grundl. des Maschinellen Lernens LAB (Statistische Lerntheorie) - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung/Übung Langtext
Veranstaltungsnummer 121322 Kurztext FMI-IN0157
Semester SS 2021 SWS 4
Teilnehmer 1. Platzvergabe 15 Max. Teilnehmer 2. Platzvergabe 15
Rhythmus Jedes 2. Semester Studienjahr
Credits für IB und SPZ
E-Learning
Hyperlink
Sprache Deutsch
Belegungsfrist Standardbelegung Wintersemester ab Mitte August/ Sommersemester ab Mitte Februar
Abmeldefristen B1 - Belegung ohne Abmeldung    22.02.2021 09:00:00 - 06.04.2021 07:59:59   
Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.
B2 - Belegung mit Abmeldung 6 Wochen    06.04.2021 08:00:00 - 24.05.2021 23:59:59   
Nach Zulassung ist eine Abmeldung auch durch den Teilnehmer möglich.
B3 - Belegung ohne Abmeldung    25.05.2021 00:00:01 - 16.08.2021 07:59:59    aktuell
Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.
Termine Gruppe: 1-Gruppe iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Lehrperson (Zuständigkeit) Status Bemerkung fällt aus am Max. Teilnehmer 2. Platzvergabe
Einzeltermine anzeigen Do. 12:00 bis 14:00 w. 15.04.2021 bis
15.07.2021
    findet statt  
Einzeltermine anzeigen Fr. 16:00 bis 18:00 w. 16.04.2021 bis
16.07.2021
    findet statt  
Gruppe 1-Gruppe:



Zugeordnete Person
Zugeordnete Person Zuständigkeit
Kahlmeyer, Paul verantwortlich
Module / Prüfungen
Modul Prüfungsnummer Titel VE.Nr. Veranstaltungseinheit
FMI-IN0157 Statistische Lerntheorie (Lab)
P-Nr. : 65571 Statistische Lerntheorie (Lab): Abnahme Laborberichte mit mündl. Verteidigung
65573 Statistische Lerntheorie (Lab): Übung
Zuordnung zu Einrichtungen
Theoretische Informatik
Fakultät für Mathematik und Informatik
Inhalt
Literatur

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

Voraussetzungen

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

Leistungsnachweis

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

Lerninhalte

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.

Zielgruppe

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

Strukturbaum
Die Veranstaltung wurde 4 mal im Vorlesungsverzeichnis SoSe 2021 gefunden:
Wahlpflichtmodule  - - - 1
Wahlpflichtmodule  - - - 2
Wahlpflichtmodule  - - - 3

Impressum | Datenschutzerklärung