1630 Introduction to Machine Learning

FT, BSc Informatik
6 ECTS, Vorlesung + Übung

Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz, das sich mit der Entwicklung von Modellen und Algorithmen befasst, die es Computern ermöglichen, aus Daten zu lernen, ohne für jede Aufgabe explizit programmiert zu werden. Es ermöglicht Computern, zu lernen und Entscheidungen zu treffen, indem sie Muster in Daten erkennen und ihre Fähigkeit zur Ausführung bestimmter Aufgaben verbessern. In diesem Kurs werden wir verstehen, wie ML angewendet werden kann, um reale Probleme zu lösen und eine solide Grundlage in klassischem ML zu erlangen.

 

Der Kurs bietet eine Einführung in Konzepte, Methoden, bewährte Verfahren und theoretische Grundlagen von Standardalgorithmen für maschinelles Lernen. Zu den behandelten Themen gehören:

  • ML-Grundlagen
  • Regression vs. Klassifizierung
  • Überwachtes Lernen: Ziel ist es, funktionale Abhängigkeiten für Klassifizierung und Regression zu lernen. Wir behandeln lineare Systeme, Basisfunktionsansätze, und Kernel-Ansätze.
  • Unüberwachtes Lernen: Hier geht es darum, wichtige Strukturen in den Daten kompakt zu beschreiben. Typische Vertreter sind Clustering und Principal Component Analysis (PCA), die eine einheitliche Beschreibung hochdimensionaler probabilistischer Abhängigkeiten erlauben

Die technischen Themen werden mit einer Reihe von realen Anwendungen illustriert.