Statistisches und maschinelles Lernen (Wintersemester 2020/21)
- Dozent*in: Prof. Dr. Daniel Hug, Dr. Jens-Stefan Tappe
- Veranstaltungen: Seminar (0121630)
- Semesterwochenstunden: 2
Termine | ||
---|---|---|
Seminar: | Donnerstag 16:00 -- 17:30 | online |
Inhalt: Im Rahmen des Seminars wollen wir einen Einblick in bekannte Verfahren des maschinellen Lernens gewinnen. Dies sind Verfahren, die auf der Basis von Vorerfahrungen zu verbesserten Ergebnissen führen sollen. Das statistische Lernen hat zum Ziel, die wesentlichen Ideen solcher Verfahren aufzugreifen und diese aus statistischer Sicht zu analysieren und zu optimieren. In erster sehr grober Näherung lassen sich die zu besprechenden Themenfelder gliedern in
- überwachtes Lernen (Regressionsprobleme, Klassifizierungsprobleme, Diskriminantenanalyse, Support Vector Machines, nichtparametrische Verfahren, neuronale Netzwerke) und
- nicht überwachtes Lernen (Clustering-Verfahren, Hauptkomponentenanalyse, spektrales Clustern).
Bei der Behandlung der Verfahren sollen die zugrundeliegende Motivation, die daraus resultierende mathematische Formulierung, ausgewählte theoretische Aussagen und praktische Aspekte besprochen werden.
Teilnehmende: Studierende in einem Masterstudiengang oder fortgeschrittenen Bachelorstudiengang, die Kenntnisse im Umfang der LV Wahrscheinlichkeitstheorie besitzen.
Vorbesprechung: Bitte setzen Sie sich bei Interesse direkt mit beiden Veranstaltern per E-mail in Verbindung.
Literaturhinweise
- S. Richter: Statistisches und maschinelles Lernen. Gängige Verfahren im Überblick. Springer Spektrum, 2019. Online verfügbar im Netz des KIT: https://link.springer.com/book/10.1007%2F978-3-662-59354-7
- T. Hastie, R. Tibshirani, J. Friedmann: The Elements of Statistical Learning. Data Mining, Inference, and Prediction. Springer Series in Sta-tistics. 2nd edition. Corrected 12th printing, 2017. https://web.stanford.edu/~hastie/Papers/ESLII.pdf
- G. James, D. Witten, T. Hastie, R. Tibshirani: An Introduction to Statistical Learning (with Applications in R). Springer Texts in Statistics. 8th printing 2017. http://faculty.marshall.usc.edu/gareth-james/ISL/
- M.P. Deisenroth, A.A. Faisal, C.S. Ong: Mathematics for Machine Learning. Cambridge University Press, 2020. https://mml-book.github.io/book/mml-book.pdf and https://mml-book.github.io/