Mathematische Grundlagen des Maschinellen Lernens IModulbeschreibung #20844 / Version 3
- 10 LP
- Schriftliche Prüfung
- Benotet
- Sommersemester
- Englisch, Deutsch
| Modul / Version | #20844 / #3 |
|---|---|
| Gültigkeit | Seit WiSe 2025/26 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 10 |
| Modulverantwortliche*r | Gottschalk, Hanno |
| Benotung | Benotet |
| Prüfungsform | Schriftliche Prüfung |
| Lehrsprache(n) | Englisch, Deutsch |
Zugehörigkeit
| Fakultät | Fakultät II |
|---|---|
| Institut | Institut für Mathematik |
| Fachgebiet | Keine Angabe |
Kontakt
| Sekretariat | MA 5-4 |
|---|---|
| Ansprechpartner*in | Gottschalk, Hanno |
| E-Mail-Adresse | Keine Angabe |
| Webseite | Keine Angabe |
Lernergebnisse
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.
Lehrinhalte
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
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
Arbeitsaufwand und Leistungspunkte
Mathematische Grundlagen des Maschinellen Lernens I (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor-/Nachbereitung | 15 | 10 h | 150 h |
| 210 h | |||
Mathematische Grundlagen des Maschinellen Lernens I (Übung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| 30 h | |||
Lehrveranstaltungsunabhängiger Aufwand
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Prüfungsvorbereitung | 1 | 60 h | 60 h |
| 60 h | |||
Der Aufwand des Moduls summiert sich zu 300 Stunden. Damit umfasst das Modul 10 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Vorlesungen und Übungen
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Dringend empfohlen: Wahrscheinlichkeitstheorie I
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Schriftliche Prüfung |
| Sprache | Englisch, Deutsch |
| Dauer/Umfang | 90 min. |
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Sommersemester.
Maximale teilnehmende Personen
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
Standard
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
- 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.
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Informatik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Informatiknahe Bereiche › Informatiknahe Mathematik |
| Mathematik Bachelor Mathematik 2014 | WiSe 2025/26 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik |
| SoSe 2026 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik | |
| WiSe 2026/27 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik | |
| Mathematik StuPO 2014 | WiSe 2025/26 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik |
| SoSe 2026 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik | |
| WiSe 2026/27 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik | |
| Scientific Computing StuPO 2022 (Beginn WS 2022/23) | WiSe 2025/26 | Wahlpflichtmodule › Mathematik |
| SoSe 2026 | Wahlpflichtmodule › Mathematik | |
| WiSe 2026/27 | Wahlpflichtmodule › Mathematik | |
| Technomathematik StuPO 2014 | WiSe 2025/26 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik |
| SoSe 2026 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik | |
| WiSe 2026/27 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik | |
| Technomathematik StuPO 2014 | WiSe 2025/26 | Vertiefung Mathematik › Fortgeschrittene Module - Numerische Mathematik |
| SoSe 2026 | Vertiefung Mathematik › Fortgeschrittene Module - Numerische Mathematik | |
| WiSe 2026/27 | Vertiefung Mathematik › Fortgeschrittene Module - Numerische Mathematik | |
| Wirtschaftsmathematik StuPO 2014 | WiSe 2025/26 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik |
| SoSe 2026 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik | |
| WiSe 2026/27 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik | |
| Wirtschaftsmathematik StuPO 2014 | WiSe 2025/26 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik |
| SoSe 2026 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik | |
| WiSe 2026/27 | Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik |
Sonstiges
Keine Angabe