Joachim Giesen

Klausur oder mündliche Prüfung (Festlegung erfolgt zu Beginn des Moduls) (100%)

Wenn dieses Modul bereits im Bachelor-Studium belegt wurde, entfällt es als Pflichtmodul im M.Sc. CDS. In diesem Fall vergrößert sich der Wahlpflichtbereich um 6 LP (§ 6 Abs. 3 Studienordnung). Dafür ist eine Pflichtberatung beim Studiengangverantwortlichen nötig (§ 7 Abs. 5 Studienordnung).

- Duda, Richard O.; Hart, Peter E.; Stork, David G.: Pattern Classifi-cation.
- Scholkopf, Bernhard; Smola, Alexander J.: Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Be-yond.
- Hastie, Trevor; Tibshirani, Robert; Friedman, Jerome H.: Elements of Statistical Learning. Data Mining, Inference, and Prediction.
- Shawe-Taylor, John; Christianini, Nello: Kernel Methods for Pattern Analysis.

keine

FMI-IN0013 Diskrete Strukturen I

FMI-IN0014 Diskrete Strukturen II

- 079 B.Sc. Informatik: Wahlpflichtmodul (TIA)
- 105 B.Sc. Mathematik: Wahlpflichtmodul (Erweiterung: Angewandte Mathematik+Stochastik; NF Informatik)
- 105 M.Sc. Mathematik (PO-V. 2010): Wahlpflichtmodul (NF Informatik)
- 200 M.Sc. Computational and Data Science: Pflichtmodul (Data Science)
- 679 B.Sc. Angewandte Informatik: Wahlpflichtmodul (TIA)

6 SWS Vorlesung/Übung

 Überwachtes Lernen:

• Klassifikation
• Regression
• Matrixrekonstruktion

Nicht-überwachtes Lernen:

• Clustering

Statistische Lerntheorie

Information Retrieval

Spieltheorie

• Grundverständnis von statistischen und algorithmischen Techniken des maschinellen Lernens
• Befähigung, Verfahren des maschinellen Lernens einschätzen und anwenden zu können
• Einblick in Anwendungen des maschinellen Lernens.

Übungskriterien, die zum Modulbeginn festgelegt werden