Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Mathematische Grundlagen des Maschinellen Lernens IModulbeschreibung #20844 / Version 3

← Zur Modulseite English version
Modul / Version#20844 / #3
GültigkeitSeit WiSe 2025/26
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte10
Modulverantwortliche*rGottschalk, Hanno
BenotungBenotet
PrüfungsformSchriftliche Prüfung
Lehrsprache(n)Englisch, Deutsch

Zugehörigkeit

FakultätFakultät II
InstitutInstitut für Mathematik
FachgebietKeine Angabe

Kontakt

SekretariatMA 5-4
Ansprechpartner*inGottschalk, Hanno
E-Mail-AdresseKeine Angabe
WebseiteKeine 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.

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

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Mathematische Grundlagen des Maschinellen Lernens IVorlesung Winter- und Sommersemester[de]4 ISIS
Mathematische Grundlagen des Maschinellen Lernens IÜbung Winter- und Sommersemester[de]2 ISIS

Arbeitsaufwand und Leistungspunkte

Mathematische Grundlagen des Maschinellen Lernens I (Vorlesung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit154 h60 h
Vor-/Nachbereitung1510 h150 h
210 h

Mathematische Grundlagen des Maschinellen Lernens I (Übung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
30 h

Lehrveranstaltungsunabhängiger Aufwand

AufwandbeschreibungMultiplikatorStundenGesamt
Prüfungsvorbereitung160 h60 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

BenotungBenotet
PrüfungsformSchriftliche Prüfung
SpracheEnglisch, Deutsch
Dauer/Umfang90 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 / StuPOSemesterStudiengangsbereich
Informatik
StuPO 2025
WiSe 2026/27Wahlpflichtbereich › Informatiknahe Bereiche › Informatiknahe Mathematik
Mathematik
Bachelor Mathematik 2014
WiSe 2025/26Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik
SoSe 2026Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik
WiSe 2026/27Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik
Mathematik
StuPO 2014
WiSe 2025/26Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik
SoSe 2026Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik
WiSe 2026/27Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik
Scientific Computing
StuPO 2022 (Beginn WS 2022/23)
WiSe 2025/26Wahlpflichtmodule › Mathematik
SoSe 2026Wahlpflichtmodule › Mathematik
WiSe 2026/27Wahlpflichtmodule › Mathematik
Technomathematik
StuPO 2014
WiSe 2025/26Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik
SoSe 2026Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik
WiSe 2026/27Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik
Technomathematik
StuPO 2014
WiSe 2025/26Vertiefung Mathematik › Fortgeschrittene Module - Numerische Mathematik
SoSe 2026Vertiefung Mathematik › Fortgeschrittene Module - Numerische Mathematik
WiSe 2026/27Vertiefung Mathematik › Fortgeschrittene Module - Numerische Mathematik
Wirtschaftsmathematik
StuPO 2014
WiSe 2025/26Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik
SoSe 2026Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik
WiSe 2026/27Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik
Wirtschaftsmathematik
StuPO 2014
WiSe 2025/26Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik
SoSe 2026Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik
WiSe 2026/27Vertiefung Mathematik › Fortgeschrittene Module - Stochastik und Finanzmathematik

Sonstiges

Keine Angabe