Statistical Learning
| SWS | 4 | ||||||||||
| ECTS | 5 | ||||||||||
| Sprache(n) | Deutsch | ||||||||||
| Lehrform | SU mit Praktikum | ||||||||||
| Angebot | nach Ankündigung | ||||||||||
| Aufwand | 30 Präsenzstunden Vorlesung, 30 Präsenzstunden Praktikum, 45 Stunden Vor-/Nachbereitung des Praktikums, 45 Stunden Anfertigung der Studienarbeit, Nachbereitung der Vorlesung und Prüfungsvorbereitung |
||||||||||
| Voraussetzungen | Analysis, Lineare Algebra, Wahrscheinlichkeitstheorie und Statistik auf Bachelor-Niveau, Affinität zu Computeralgebrasystemen wie R oder Mathematica |
||||||||||
| Ziele | Einsicht in grundlegende Ideen und Konzepte maschinellen Lernens; realistische Vorstellung über Wirkungsweisen und Nutzen; Erwerb von Fertigkeiten in der praktischen Anwendung von Modellen des Statistical Learnings; Kompetenz und Erfahrung im Einsatz der Konzepte und Methoden bei der Analyse konkreter Daten. |
||||||||||
| Inhalt | Techniken und Algorithmen überwachten Lernens von linearen Regressions- und Klassifikationsmethoden bis hin zu neueren Methoden wie Support Vector Machines oder Bayesschen Ansätzen (etwa die Inhalte der Kapitel 1-4 und 7 des unter Literatur angegebenen Lehrbuchs). |
||||||||||
| Medien und Methoden | Tafel, Beamer, Statistiksoftware |
||||||||||
| Literatur | primär: T.Hastie, R.Tibshirani, J.Friedman: The Elements of Statistical Learning, Springer 2009 (auch online verfügbar) Weitere Referenzen in der Vorlesung |
||||||||||
| Zuordnungen Curricula |
|