Importierter Kurs aus dem LSF
Einschreibeschlüssel: ESL2021
Die Veranstaltung Einführung in das Statistische Lernen (ESL) vermittelt einen einführenden, methodischen und angewandten Überblick über das maschinelle bzw. statistische Lernen. Lernziel ist ein praktisches und operatives Verständnis der behandelten Algorithmen und Modelle.
Der Fokus liegt hierbei auf überwachtem Lernen (Regression und Klassifikation) mit einem Ausblick auf unüberwachte Lernverfahren (Clustering).
Im ersten Teil der Veranstaltung werden folgende Themen behandelt:
Grundbegriffe des statistischen Lernens
Einfache Modelle für Regression und Klassifikation
Performance Maße und Resampling
Regressions- und Klassifikationsbäume
Random Forests
Hyperparameter Optimierung
Einführung in unüberwachtes Lernen
Danach wird eine Auswahl fortgeschrittener Themen behandelt: Regularisierung, Feature Selektion, Gradienten Boosting, lineare Support-Vector-Maschinen und/oder Neuronale Netze.
In den Übungen wird neben der Vertiefung des theoretischen Verständnisses auch der praktische Umgang und die Implementierung der Methoden in R beigebracht.
Einschreibeschlüssel: ESL2021
Die Veranstaltung Einführung in das Statistische Lernen (ESL) vermittelt einen einführenden, methodischen und angewandten Überblick über das maschinelle bzw. statistische Lernen. Lernziel ist ein praktisches und operatives Verständnis der behandelten Algorithmen und Modelle.
Der Fokus liegt hierbei auf überwachtem Lernen (Regression und Klassifikation) mit einem Ausblick auf unüberwachte Lernverfahren (Clustering).
Im ersten Teil der Veranstaltung werden folgende Themen behandelt:
Grundbegriffe des statistischen Lernens
Einfache Modelle für Regression und Klassifikation
Performance Maße und Resampling
Regressions- und Klassifikationsbäume
Random Forests
Hyperparameter Optimierung
Einführung in unüberwachtes Lernen
Danach wird eine Auswahl fortgeschrittener Themen behandelt: Regularisierung, Feature Selektion, Gradienten Boosting, lineare Support-Vector-Maschinen und/oder Neuronale Netze.
In den Übungen wird neben der Vertiefung des theoretischen Verständnisses auch der praktische Umgang und die Implementierung der Methoden in R beigebracht.
- Lehrende:r: Alexander Gerharz
- Lehrende:r: Andreas Groll
- Lehrende:r: Amer Krivosija
- Lehrende:r: Uwe Ligges
- Lehrende:r: Alexander-Eugen Munteanu
- Lehrende:r: Cabrel Teguemne Fokam
- Lehrende:r: Janek Thomas