Veranstaltung
Die hier angezeigten Termine und Veranstaltungen werden dynamisch aus Stud.IP heraus angezeigt.
Daher kontaktieren Sie bei Fragen bitte direkt die Person, die unter dem Punkt Lehrende/Dozierende steht.
Veranstaltung
Semester:
Sommersemester
2022
5.01.905 Vorlesung Überwachtes Lernen -
Veranstaltungstermin | Raum
- Freitag, 22.4.2022 14:15 - 15:45 | W01 0-012
- Freitag, 29.4.2022 14:15 - 15:45 | W01 0-012
- Freitag, 6.5.2022 14:15 - 15:45 | W01 0-012
- Freitag, 13.5.2022 14:15 - 15:45 | W01 0-012
- Freitag, 20.5.2022 14:15 - 15:45 | W01 0-012
- Freitag, 27.5.2022 14:15 - 15:45 | W01 0-012
- Freitag, 3.6.2022 14:15 - 15:45 | W01 0-012
- Freitag, 10.6.2022 14:15 - 15:45 | W01 0-012
- Freitag, 17.6.2022 14:15 - 15:45 | W01 0-012
- Freitag, 24.6.2022 14:15 - 15:45 | W01 0-012
- Freitag, 1.7.2022 14:15 - 15:45 | W01 0-012
- Freitag, 8.7.2022 14:15 - 15:45 | W01 0-012
- Freitag, 15.7.2022 14:15 - 15:45 | W01 0-012
- Freitag, 22.7.2022 14:15 - 15:45 | W01 0-012
Veranstaltungsort
- Ort: W01 0-012 und Online-Übertragung
Beschreibung
Liebe Studierende,
dieses Sommersemester 2022 wird eine Vorlesung zum Thema Überwachtes Lernen / Einführung Machine Learning (5.01.905) angeboten. Der Kurs ist auch für Nicht-Mathematiker*innen zugänglich. Voraussetzungen sind Grundkenntnisse in Statistik/ Stochastik und Analysis.
Inhalt:
Der Kurs gibt eine Einführung in Machine Learning:
Ablauf:
Die Vorlesung und Übung finden in Präsenz statt und werden gleichzeitig online übertragen und als Video gespeichert.
Die erste Übung findet am 19.04 um 12:15 mit einer allgemeinen Einführung in R statt. Die Erste Vorlesung erfolgt am 22.04 um 14:15
dieses Sommersemester 2022 wird eine Vorlesung zum Thema Überwachtes Lernen / Einführung Machine Learning (5.01.905) angeboten. Der Kurs ist auch für Nicht-Mathematiker*innen zugänglich. Voraussetzungen sind Grundkenntnisse in Statistik/ Stochastik und Analysis.
Inhalt:
Der Kurs gibt eine Einführung in Machine Learning:
- Lernen von Daten
- k-Nächste-Nachbarn
- Bayes Modell
- Entscheidungsbäume
- Random Forest
- Neuronale Netze
- evtl. Generative adversarial network (GAN).
- Anwendungen in Naturwissenschaften, Ökonomie, Medizin und Bildverarbeitung
Ablauf:
Die Vorlesung und Übung finden in Präsenz statt und werden gleichzeitig online übertragen und als Video gespeichert.
Die erste Übung findet am 19.04 um 12:15 mit einer allgemeinen Einführung in R statt. Die Erste Vorlesung erfolgt am 22.04 um 14:15
lecturer
Studienbereiche
- Studium generale / Gasthörstudium
SWS
2
Art der Lehre
Hybrid (Online und Präsenz)
Für Gasthörende / Studium generale geöffnet:
Ja