Vorabinfos:
- Dieser Kurs kann als Wahlpflichtmodul für MS gewählt werden, auch für MS3 (drittes Semester). Für UI ist der Kurs verpflichtend.
- Der Kurs findet im Wintersemester 2024 dienstags ab 13:45 im S044 statt. (Stundenplan ändert sich noch)
Dieses Modul bietet eine umfassende, wissenschaftlich fundierte Einführung in die Kernkonzepte des Machine Learning mit einem Fokus auf Supervised Learning. Die Studierenden erlangen ein tiefes Verständnis der theoretischen Grundlagen und methodischen Ansätze, wobei praxisorientierte Anwendungen durch Übungsaufgaben und Kleinstprojekte in Python vertieft werden. Wesentliche Inhalte umfassen die Unterscheidung zwischen Regression und Klassifikation, die Modellbewertung unter Berücksichtigung von Überanpassung (Overfitting) sowie Techniken zur Modellauswahl wie Cross Validation und Nested Resampling. Zudem werden baumbasierte Methoden (z. B. Entscheidungsbäume und Random Forests), neuronale Netze sowie Hyperparameter-Tuning im Detail behandelt. Der Kurs fördert ein interdisziplinäres Verständnis und erlaubt den Studierenden, Machine-Learning-Methoden sowohl im eigenen Fachgebiet als auch in fachübergreifenden Kontexten zu nutzen. Ein besonderer Schwerpunkt liegt auf der Gegenüberstellung verschiedener methodischer Perspektiven, wie etwa der Risikominimierung und der Bayesschen Sichtweise.