Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     
Logout in [min] [minutetext]

Maschinelles Lernen - Detailansicht

  • Funktionen:
  • Zur Zeit kein Belegungszeitraum aktiv.
Grunddaten
Veranstaltungsart Vorlesung Langtext
Veranstaltungsnummer 10269 Kurztext
Semester WiSe 2022/23 SWS 4
Erwartete Teilnehmer/-innen Max. Teilnehmer/-innen
Rhythmus Jedes Semester Studienjahr
Hyperlink  
Belegungsfrist Hauptbelegungszeitraum 19.09.2022 - 14.10.2022

Belegpflicht
Termine Gruppe: [unbenannt] iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Status Lernziele fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export für Outlook
Mi. 08:00 bis 09:30 woch 12.10.2022 bis 19.10.2022  Gebäude C - C009        
Einzeltermine anzeigen
iCalendar Export für Outlook
Mi. 09:45 bis 11:15 woch von 26.10.2022  Gebäude B - B 309       02.11.2022: Veranstaltung findet in C119 statt!
09.11.2022: Veranstaltung findet in L129 statt!
16.11.2022: Veranstaltung findet in A115 statt!
25.01.2023: Veranstaltung findet in G102 statt!
Einzeltermine anzeigen
iCalendar Export für Outlook
Mi. 09:45 bis 11:15 Einzel am 02.11.2022 Gebäude C - C119        
Einzeltermine anzeigen
iCalendar Export für Outlook
Mi. 09:45 bis 11:15 Einzel am 09.11.2022 Gebäude L - L129        
Einzeltermine anzeigen
iCalendar Export für Outlook
Mi. 09:45 bis 11:15 Einzel am 16.11.2022 Gebäude A - A115        
Einzeltermine anzeigen
iCalendar Export für Outlook
Mi. 09:45 bis 24:00 Einzel am 25.01.2023 Gebäude G - G 102 (Raum nur in Absprache mit dem Sekretariat MD buchbar)        
Einzeltermine anzeigen
iCalendar Export für Outlook
Mo. 08:00 bis 09:30 woch Gebäude C - C009       12.12.2022: Dozent verhindert
Gruppe [unbenannt]:
Zur Zeit kein Belegungszeitraum aktiv.
 


Zugeordnete Person
Zugeordnete Person Zuständigkeit
Harth, Tobias, Professor
Laut SPO für
Abschluss Studiengang Semester Kategorie ECTS
Master mit vorausg. Absch Technik-Management & Optimierung 1 - 1 Pflichtfach 5
Zuordnung zu Einrichtungen
Masterstudiengang Technik-Management & Optimierung
Inhalt
Inhalt

Einführung:

Klassifikation und Regression

Künstliche Neuronale Netze:

- Perceptron und Adaline mit Lernregeln

- Delta-Regel

- Feedforward Netze und Backpropagation

- quadratischer Abstand und Cross-Entropy

- Faltungsnetzwerke

- Underfitting, Overfitting

- Anwendungen MNIST und CIFAR-10 Daten in MATLAB

Support Vector Maschinen:

- Funktionsweise der SVM (Hard Margin und Soft Margin)

- Multiklassen-Klassifikation mit one vs one oder one vs all

- Kernel-Trick

- Support Vector Regression

- Anwendungen in MATLAB

 

 

Literatur

•Goodfellow, Bengio, Courville (2016): Deep Learning, MIT Press

•Paluszek, Thomas (2020): Practical Matlab Deep Learning. A Project-Based Approach. Apress

•Hastie, Tibshirani, Friedman (2017): The Elements of Statistical Learning. Data Mining, Inference, and Prediction, 2nd edition, Springer

•Géron (2017):Hands-On Machine Learning with Scikit-Learn & TensorFlow. Concepts, Tools, and Techniques to Build Intelligent Systems, O‘Reilly

•Jo (2021): Machine Learning Foundations. Supervised, Unsupervised, and Advanced Learning, Springer

•Awad, Khanna (2015): Efficient Learning Machines. Theories, Concepts, and Applications for Engineers and System Designers, Apress

•Choo et al. (2020): Machine Learning kompakt. Ein Einstieg für Studierende der Naturwissenschaften, Springer Spektrum

•Rashid (2017): Neuronale Netze selbst programmieren. O‘Reilly

Leistungsnachweis

benotete Prüfungsleistung: Klausur 60 Minuten


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WiSe 2022/23 , Aktuelles Semester: SoSe 2024