Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Switch to english language
Startseite    Anmelden     
Logout in [min] [minutetext]
WiSe 2024/25

Introduction to Machine Learning - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung SWS 4
Veranstaltungsnummer 4439110 Max. Teilnehmer/-innen
Semester WiSe 2024/25 Zugeordnetes Modul
Erwartete Teilnehmer/-innen
Rhythmus einmalig
Hyperlink https://moodle.uni-weimar.de/course/view.php?id=46282
Weitere Links www.webis.de
Sprache englisch
Termine Gruppe: [unbenannt]
  Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
Do. 09:15 bis 10:45 wöch. von 17.10.2024  Marienstraße 13 C - Hörsaal A  

Lecture


 

 
Einzeltermine anzeigen
Do. 11:00 bis 13:00 unger. Wo von 24.10.2024  Marienstraße 13 C - Hörsaal A  

Lab class

 
Gruppe [unbenannt]:
 
 


Zugeordnete Personen
Zugeordnete Personen Zuständigkeit
Stein, Benno Maria, Prof., Dr.rer.nat.
Bevendorff, Janek , Master of Science
Kiesel, Johannes , Master of Science
Mirzakhmedova, Nailia
Studiengänge
Abschluss Studiengang Semester Leistungspunkte
M. Sc. Computer Science and Media (M.Sc.), PV 11 - 4,5
M. Sc. Digital Engineering (M.Sc.), PV 17 - 6
M. Sc. Human-Computer Interaction (M.Sc.), PV17 - 4,5
M. Sc. Digital Engineering (M.Sc.), PV 19 - 6
M. Sc. Computer Science for Digital Media (M.Sc.), PV 18 - 4,5
M. Sc. Human-Computer Interaction (M.Sc.), PV19 - 6
M. Sc. Computer Science for Digital Media (M.Sc.), PV 2020 - 6
M. Sc. Digital Engineering (M.Sc.), PV 2023 - 6
Zuordnung zu Einrichtungen
Intelligente Informationssysteme
Fakultät Medien
Inhalt
Beschreibung

In this course students will learn to understand machine learning as a guided search in a space of possible hypotheses. The mathematical means to formulate a particular hypothesis class determines the learning paradigm, the discriminative power of a hypothesis, and the complexity of the learning process.


The lecture covers hypothesis spaces, model bias, regression for classification, logistic regression, effectiveness computation, loss function derivation, gradient descent, regularization, neural networks, decision trees, impurity functions, Bayesian learning. The lecture introduces concepts, algorithms, and theoretical backgrounds.


The accompanying lab treats both theoretical and applied tasks to deepen the understanding and hands-on experience of the field. Team work (2-3 students) is appreciated.

Bemerkung

Zeit und Ort werden zu Projektbörse bekannt gegeben!

Leistungsnachweis

Klausur

Zielgruppe

M.Sc. Computer Science and Media,

M.Sc. Computer Science for Digital Media (CS4DM)

M.Sc. Digital Engineering


Strukturbaum
Die Veranstaltung wurde 13 mal im Vorlesungsverzeichnis WiSe 2024/25 gefunden:
Electives  - - - 1
Specialization  - - - 2
Master  - - - 4
Electives  - - - 7
Intelligent IS  - - - 8
Electives  - - - 9
Electives  - - - 11
Specialization  - - - 12
Electives  - - - 13

BISON-Portal Startseite   Zurück Kontakt/Impressum Datenschutz