Lineare Algebra, Optimierungstheorie und Maschinelles Lernen (Wintersemester 2021/22)
- Dozent*in: Dr. Daniel Weiß, Dr. Niklas Baumgarten
- Veranstaltungen: Proseminar (0124500)
- Semesterwochenstunden: 2
| Termine | |||
|---|---|---|---|
| Proseminar: | Beginn: 14.2.2022, Ende: 16.2.2022 | ||
In vielen Bereichen unseres Lebens spielt maschinelles Lernens eine wichtige Rolle. Anwenungsbeispiele dafür sind Spamfilter, das Kauf- oder Surfverhalten von Kunden im Internet, Schrift- und Spracherkennung, Kreditvergabe, autonomes Fahren und Anwendungen in der Medizin wie zum Beispiel die Krebsdiagnose. Dabei werden teils große Mengen von Daten mit Hilfe von Computern interpretiert, indem zum Beispiel Muster erkannt und bestimmte Informationen gewonnen werden. In der Regel wird die Möglichkeit erlernt, diese Interpretation auch auf neue Datensätze anzuwenden.
Wir werden uns in diesem Proseminar mit ausgewählten Fragestellungen des Maschinellen Lernens beschäftigen, wie zum Beispiel Klassifizierungsprobleme oder die Dimensionsreduktion von Datensätzen. Da viele dieser Fragestellungen/Probleme als Optimierungsproblem formuliert werden können, werden wir uns anhand der Beispiele auch mit einigen Grundlagen der Optimierungstheorie beschäftigen. Da klassische Verfahren zum Lösen der Optimierungsprobleme im Fall großer Datenmengen ungeeignet sind, werden wir uns auch mit alternativen Lösungsverfahren beschäftigen.
Gute Kenntnisse der Grundlagenvorlesungen Lineare Algebra und Analysis werden vorausgesetzt, die Vorlesung Optimierungstheorie ist hilfreich, aber nicht für alle Themen notwendig.
Das Proseminar findet als Blockveranstaltung im Februar, 14-16.2.2022, statt. Eine ungefähr vierseitige Ausarbeitung des Vortrags muss bis zum 31. Januar eingereicht werden.
Die Vorbesprechung zum Proseminar findet am 22.07.2022 um 15:00 Uhr per ZOOM statt.