Seminar Statistical learning (Master) (Sommersemester 2022)
Wir werden einzelnen Themen, Aspekte und Verfahren des maschinellen Lernens vertiefen. Insbesondere werden folgende Themen besprochen:
- PAC-Lernbarkeit und No-Free-Lunch,
- stochastische Gradientenverfahren,
- Boosting,
- Clustering,
- Autoencoder,
- Generative Modelle (Wasserstein GANs, Normalizing flows).
Vorträge können in deutsch oder englisch gehalten werden (talks in English are possible).
Hauptreferenzen
- Goodfellow, Bengio & Courville (2016). Deep learning. Adaptive Computation and Machine Learning. MIT Press, Cambridge, MA.
- Shalev-Shwartz & Ben-David (2014): Understanding Machine Learning: From Theory to Algorithms. Cambridge University Press.
Vorkenntnisse
Solide Kenntnisse in Wahrscheinlichkeitstheorie und Statistik.
Vorbesprechung
Am Montag, den 14.02 um 10:00 Uhr über Teams. Bei Interesse schicken Sie bitte bis spätestens Freitag, den 11.02 eine Email an trabs@kit.edu mit Ihrem Studikürzel und einem aktuellen Notenauszug.
Ilias-Kurs
https://ilias.studium.kit.edu/goto.php?target=crs_1760735&client_id=produktiv