RUB » LMI » Lehre » Theorie des Maschinellen Lernens Sommer 2018

Theorie des Maschinellen Lernens Sommer 2018

LVR-Nr: 150 338
Veranstaltung: Theorie des Maschinellen Lernens
4 std.
NA 1/64, Di 12:00-14:00 und
NA 1/64, Mi 12:00-14:00
Dozent: Hans U. Simon
Übungen Christoph Ries
2 std.
NA 2/24, Di 8:30-10:00

Aktuelles

  • Eine neue Version des Skriptes wurde hoch geladen. Sie enthält nur kleine Änderungen, insbesondere wurden Tippfehler behoben. Die alte Version kann aber weiterhin benutzt werden.
  • Die Vorlesung am 11. Juli findet regulär in NA 1/64 statt. Sie ist allerdings nicht mehr prüfungsrelevant. Die Vorlesungen am 17. und 18. Juli entfallen. Falls Fragen zur Vorlesung bestehen, steht Herr Prof. Simon am 17. Juli zwischen 12-14 Uhr für diese Fragen in seinem Büro NA 1/73 zur Verfügung.
  • Die Übung am 17. Juli entfällt. Für Fragen zur Vorlesung oder Übung kann weiterhin die Sprechstunde von Christoph Ries zwischen 10 und 11 Uhr in NA 1/69 genutzt oder ein individueller Termin nach Nachfrage vereinbart werden.
  • Das vollständige Skript ist nun unter Materialien zu finden.
  • Die erste Vorlesung findet am Dienstag, 10. April, statt. Die Übung beginnt erst in der darauffolgenden Woche.

Informationen aus dem Vorlesungsverzeichnis

Kommentar

Die Vorlesung richtet sich an Studierende der Mathematik und an Studierende der Angewandten Informatik. Gegenstand der Vorlesung ist die Statistik- und Algorithmen- basierte Theorie des Maschinellen Lernens aus zufälligen Beispielen. Wir befassen uns mit der Bestimmung der Informations- und der Berechnungskomplexität von Lernproblemen. Im ersten Teil der Vorlesung behandeln wir die grundlegenden Begriffe und Resultate der Theorie des maschinellen Lernens. Im zweiten Teil der Vorlesung beschäftigen wir uns mit verschiedenen Ansätzen zum Design von maschinellen Lernalgorithmen (wie zum Beispiel Boosting, stochastischer Gradientenabstieg, kernbasierte Verfahren, Entscheidungsbäume, Nearest Neighbor).

Voraussetzungen

Mathematische Grundkenntnisse, wie sie in den ersten drei Semestern der Bachelorphase erworben werden, sowie Grundkenntnisse in Wahrscheinlichkeitstheorie werden vorausgesetzt.

Literatur

Zu der Vorlesung wird auf dieser Seite ein Skript zur Verfügung gestellt (siehe Unterpunkt "Materialien"). Als Begleitliteratur eignet sich das Buch "Understanding Machine Learning: from Theory to Algorithms" der Autoren Shai Shalev-Shwartz und Shai Ben-David.

Materialien

Übungsblätter

Zusatzmaterial

Prüfung

Die Prüfungsleistung zur Vorlesung ist in Form einer mündlichen Prüfung zu erbringen. Zu diesem Zweck werden zwei Termine angeboten:

  • Mittwoch, 18. Juli 2018
  • Mittwoch, 10. Oktober 2018

Die Prüfungsanmeldung erfolgt nach den Regeln des für Sie zuständigen Prüfungsamtes.

Bitte lassen Sie sich vor der Anmeldung zur Prüfung einen Termin mit Uhrzeit von Christoph Ries geben.

Übungsaufgaben

Während der Vorlesungszeit wird jeden Dienstag auf dieser Seite ein neues Aufgabenblatt online gestellt, das bis zum folgenden Dienstag bearbeitet werden kann. Die Abgabe der Lösungen (handschriftlich) und die Rückgabe der korrigierten Aufgaben erfolgt in der Regel Dienstag morgens in der Übung. Falls eine Teilnahme an der Übung nicht möglich ist, können Aufgaben bei Christoph Ries in NA 1/69 eingereicht werden.

Die Blätter können in Gruppen von bis zu drei Personen bearbeitet und abgegeben werden. Jedes Gruppenmitglied muss aber in der Lage sein, in der Übung die Aufgaben an der Tafel zu präsentieren.

Teilnahmeschein

Für einen unbenoteten Teilnahmeschein sind 50% der Übungspunkte zu erreichen. Außerdem ist eine regelmäßige Teilnahme an der Übung (inklusive der Präsentation einer eigenen Lösung) notwendig.

Kontakt