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

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

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung/Übung Langtext
Veranstaltungsnummer 121322 Kurztext FMI-IN0157
Semester SS 2022 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    21.02.2022 09:00:00 - 05.04.2022 08:29:59   
Nach Zulassung ist eine Abmeldung nur durch die Dozierenden möglich.
B2 - Belegung mit Abmeldung 6 Wochen    05.04.2022 08:30:00 - 23.05.2022 23:59:59   
Nach Zulassung ist eine Abmeldung auch durch die Teilnehmenden möglich.
B3 - Belegung ohne Abmeldung    24.05.2022 00:00:01 - 22.08.2022 07:59:59    aktuell
Nach Zulassung ist eine Abmeldung nur durch die Dozierenden 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 Mi. 16:00 bis 18:00 w. 13.04.2022 bis
13.07.2022
August-Bebel-Straße 4 - SR 108   findet statt  
Einzeltermine anzeigen Fr. 14:00 bis 16:00 w. 15.04.2022 bis
15.07.2022
August-Bebel-Straße 4 - SR 108   findet statt  
Gruppe 1-Gruppe:



Zugeordnete Person
Zugeordnete Person Zuständigkeit
Staudt, Christoph 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 2022 gefunden:
Wahlpflichtmodule  - - - 1
Wahlpflichtmodule  - - - 2
Wahlpflichtmodule  - - - 3

Impressum | Datenschutzerklärung