Dieser Kurs richtet sich an Naturwissenschaftler*innen und vermittelt ein Grundverständnis zum maschinellen Lernen. Im Mittelpunkt steht dabei ein Verständnis der Konzepte gängiger Verfahren (wie Regression, Klassifikation und Dimensionalitätsreduktion) und weniger das intensive Studieren einzelner Datensätze. Der Fokus liegt auf Theorie hinter den verschiedenen Verfahren. Zur Veranschaulichung werden verschiedene Datensätze benutzt und einige Beispiele gerechnet. Solide Kenntnisse von mathematischen Grundlagen sind von Vorteil. Grundkenntnisse in Python sind von Vorteil.

Voraussetzungen

• Grundkenntnisse Analysis (Differentiation, Integration, Extremwerte)
• Grundkenntnisse Lineare Algebra (Matrix-Vektor-Multiplikation)

Inhalt

• Python Basics
• Optimierungsverfahren, Gradient Descent, Regularisierung
• Lineare Regression
• Logistische Regression
• Support Vector Machines
• Unsupervised Learning
• Neurone Netze
• Deep Learning