Sie sind hier: Startseite Studium und Lehre Sommersemester 2024 Vorlesung Maschinelles Lernen …

Machine Learning (SS 2024)

Dozent: Prof. Dr. Thorsten Schmidt

Assistenz: Moritz Ritter

In dieser Vorlesung beschäftigen wir uns mit den mathematischen Grundlagen von maschinellem Lernen. So lernen wir z.B. das Universal Approximation Theorem kennen - eines der meistzitierten Resultate in diesem Feld, was in seiner Geschichte bis auf Kolmogorov zurückreicht. Darüber hinaus werden wir uns in die aktuelle Forschung auf diesem Gebiet begeben und versuchen zu verstehen, wieso ML eigentlich so gut funktioniert. Bayesianische Aspekte, Reinforcement Learning, Fairness und Anwendungen in Finanz- und Versicherungsmathematik sind weitere Themen mit denen wir uns beschäftigen werden.

Zudem soll die praktische Komponente nicht zu kurz kommen - es werden eine Reihe von Beispielen vorgestellt und Sie werden auch selbst einige Aufgaben in Python implementieren.

This lecture could also be in English. 

 

Termin: Do 12-14, R 404, Ernst-Zermelo-Straße 1,

              Fr 10-12, HS II, Albertstr. 23b 

Übungen: Mittwoch 10-12 Uhr, SR 226, Hermann-Herder-Str. 10

 

Aktuelles

Am Freitag, den 31.05. findet keine Vorlesung statt.

Die neuen Slides und erste Python Beispiele gibt es auf github:

 

 

Übungen

Das erste Tutorat findet am Montag, den 29. April 14-16 (SR226), statt. Ab dann wöchentlich Mittwochs.

Die Abgabe der Übungsblätter in den Briefkasten 3.15. im Mathematischen Institut ist Freitags bis 18:00 Uhr (online nach Absprache).

Literatur

Für den praktischen Teil empfehle ich zB. das Buch von Francois Chollet: Deep Learning with Python. Die Notebooks sind frei verfügbar: Github

 

Notwendige Vorkenntnisse

Grundkenntnisse in Stochastik, Analysis und Linearer Algebra reichen aus, alles weitere wird in der Vorlesung entsprechend vorgestellt.

Sprechstunden

Sprechstunde Dozent: nach vorheriger Absprache per Mail

Sprechstunde Assistent: nach vorheriger Absprache per Mail