Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage...

• theoretische Eigenschaften eines Lernalgorithmus zusammenzufassen und zu präsentieren;
• theoretische Schwachpunkte eines Lernalgorithmus zu identifizieren;
• selbstständig an spezifischen theoretischen Problemen zu arbeiten und diese zu lösen;
• theoretische Ergebnisse anzuwenden;
• Annahmen der Algorithmen zu überprüfen.

Die Studierenden arbeiten an konkreten theoretischen Fragestellungen im Bereich des maschinellen Lernens. Während dem Semester werden die Studierenden Beweise in einem gewählten Bereich des maschinellen Lernens anfertigen. Beispielhafte Ergebnisse könnten sein:

• Formale Garantien für bestimmte Lernalgorithmen, wie Sample, Query oder Computational Complexity Schranken.
• Worst-case Instanzen auf denen die untersuchten Algorithmen beweisbar schlecht sind.
• Formalisierung der zugrundeliegenden Annahmen der Algorithmen.

Die Studierenden lesen Forschungsarbeiten und recherschieren nach verwandten Arbeiten. Sie arbeiten an neuen theoretischen Garantien, präsentieren ihre Ergebnisse online und schreiben einen Projektbericht.

3ects -> 75h
8h Literatursuche und Schreiben des Proposals
12h Vorbereitung und Teilnahme an Präsentationen/Meetings
42h Beweise führen, Implementieren und Testen
13h Schreiben des Projektberichts.

Die Abschlussnote bildet sich aus der Qualität

• der erzielten theoretischen Ergebnisse,
• den online Vorträgen und
• des eingereichten Berichts.