Machine Learning, als eine Disziplin der Forschung im Bereich der Künstlichen Intelligenz, hat in den letzten Jahren aufgrund großer Fortschritte in der Leistungsfähigkeit und Effektivität von Algorithmen für verschiedene komplexe Aufgaben, wie z.B. in medizinischen Anwendungen, Computer Vision, etc. an Interesse und Akzeptanz gewonnen.Modelle des maschinellen Lernens werden daher in einer ständig wachsenden Anzahl von Systemen in verschiedenen Bereichen eingesetzt, oft ohne dass die Benutzer, die mit den Systemen interagieren, das wissen. Neben den großen Vorteilen des maschinellen Lernens sind eine Reihe von Aspekten entscheidend, wie z.B. die Auswirkungen auf den Datenschutz bei der Analyse persönlicher oder sensibler Daten, die Sicherheitsaspekte von maschinellen Lernanwendungen und schließlich die Erklärbarkeit und damit Akzeptanz von Modellen des maschinellen Lernens.Dieser Kurs beschäftigt sich daher mit einigen fortgeschrittenen Themen im Zusammenhang mit Machine Learning (und Statistik im weitesten Sinne).
Dates:
7.3. Preliminary talk
For all other dates, please see TUWEL! Note that the lecture won't take place every week!
Übungsbeispiele und schriftliche Prüfung
184.702 Machine Learning