Mathematical Foundations of Machine Learning IModule description #20844 / Version 1
- 10 CP
- Oral exam
- Graded
- Summer semester
- German
This module description is not valid in the current semester (Winter semester 2026/27).
Current version (v3)
| Module / Version | #20844 / #1 |
|---|---|
| Validity | Summer semester 2023 – Summer semester 2023 |
| Available language(s) | German |
| Credit points | 10 |
| Person responsible for the module | Kreusler, Hans-Christian |
| Grading | Graded |
| Exam format | Oral exam |
| Language(s) of instruction | German |
Affiliation
| Faculty | Fakultät II |
|---|---|
| Institute | Institut für Mathematik |
| Academic chair | Not specified |
Contact
| Office | MA 5-4 |
|---|---|
| Contact person | Gottschalk, Hanno |
| E-mail address | Not specified |
| Website | Not specified |
Learning outcomes
Die Studierenden verstehen die Grundlagen des maschinellen Lernens und insbesondere des statistischen Lernens.
Sie kennen wichtige Lernverfahren des überwachten und unüberwachten Lernens und verstehen die Voraussetzungen, unter denen diese Verfahren mit hoher Wahrscheinlichkeit zum Erfolg führen. Die Studierenden Erwerben die Kompetenz, ein geeignetes Lernverfahren für eine datengetriebene Problemstellung auszuwählen und die Modelle des Maschinellen Lernens auszuwählen und an die Größe des Datensatzes anzupassen.
Sie kennen wichtige Lernverfahren des überwachten und unüberwachten Lernens und verstehen die Voraussetzungen, unter denen diese Verfahren mit hoher Wahrscheinlichkeit zum Erfolg führen. Die Studierenden Erwerben die Kompetenz, ein geeignetes Lernverfahren für eine datengetriebene Problemstellung auszuwählen und die Modelle des Maschinellen Lernens auszuwählen und an die Größe des Datensatzes anzupassen.
Content
Large Deviation Theory
Abstandsmaße von Verteilungen
Überwachtes und unüberwachtes Lernen
Statistische Lernverfahren
Lernverfahren auf Basis von empirischen Risikofunktionen
Modelle des Maschinellen Lernens
Konvergenzraten von Lernverfahren
Abstandsmaße von Verteilungen
Überwachtes und unüberwachtes Lernen
Statistische Lernverfahren
Lernverfahren auf Basis von empirischen Risikofunktionen
Modelle des Maschinellen Lernens
Konvergenzraten von Lernverfahren
Module components
Compulsory area
The following courses are mandatory for this module:
Workload and credit points
Mathematische Grundlagen des Maschinellen Lernens I (Exercise)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Attendance | 15 | 2 h | 30 h |
| 30 h | |||
Mathematische Grundlagen des Maschinellen Lernens I (Lecture)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Attendance | 15 | 4 h | 60 h |
| Pre/post processing | 15 | 10 h | 150 h |
| 210 h | |||
Course-independent workload
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Prüfungsvorbereitung | 1 | 60 h | 60 h |
| 60 h | |||
The workload of the module adds up to 300 hours. The module therefore comprises 10 credit points.
Description of teaching and learning methods
Vorlesungen und Übungen
Requirements for participation and examination
Desirable prerequisites for participation in the courses:
Dringend empfohlen: Wahrscheinlichkeitstheorie I
Mandatory requirements for the module examination registration:
This module has no examination requirements.
Completion of the module
| Grading | Graded |
|---|---|
| Exam format | Oral exam |
| Language | German |
Duration of the module
The following number of semesters is estimated for taking and completing the module: 1 semester(s).
This module can be started in the following semesters: Summer semester.
Maximum number of participants
This module is not limited to a number of students.
Registration procedures
Standard.
Recommended reading, lecture notes
Lecture notes
unavailable
Electronic lecture notes
unavailable
Recommended literature
- Shalev-Shwartz, Shai, and Shai Ben-David. Understanding machine learning: From theory to algorithms. Cambridge university press, 2014.
- Van Handel, Ramon. Probability in high dimension. PRINCETON UNIV NJ, 2014.
Assigned programs
This module version is used in the following programs:
| Program / program version | Semester(s) | Curriculum component |
|---|---|---|
| Scientific Computing Scientific Computing (M. Sc.) - StuPO 2022 (Beginn WS 2022/23) | SS 2023 | Wahlpflichtmodule › Mathematik |
Miscellaneous
Das Modul wird künftig Herrn Prof. Dr. Hanno Gottschalk zugeordnet