389.204 Machine Learning Algorithms
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2022W, VU, 4.0h, 6.0EC
TUWEL

Merkmale

  • Semesterwochenstunden: 4.0
  • ECTS: 6.0
  • Typ: VU Vorlesung mit Übung
  • Format der Abhaltung: Hybrid

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage grundlegende Verfahren im Bereich Machine Learning zu verstehen und typische Probleme mit modernen Verfahren des ML zu lösen.

Inhalt der Lehrveranstaltung

The course provides a practical and theoretical overview of machine learning methods: General concepts of machine learning (supervised vs. unsupervised approaches, generalization and overfitting, regularization techniques, evaluation methods, cross-validation, early stopping). Basic regression and classification algorithms (least squares, perceptron and logistic regression). Basics of clustering (Lloyd, kMeans). Nonlinear extensions through the kernel trick (support vector machines, kernel ridge). Gradient descent and neural networks (backprogation, LMS, RLS, Newton). Domain specific layers (Recursive and convolutional networks) and unsupervised neural networks (autoencoders).

Methoden

The lectures are complemented by 4 exercise classes with a focus on practical implementations in Tensorflow and Numpy. Basic Python knowledge is beneficial but not required.At the end of the course the students will work on a practical project, undergoing a complete machine learning pipeline on a real-world dataset. Here we also cover more advanced topics (adversarial networks, transfer learning).

Prüfungsmodus

Mündlich

Weitere Informationen

Erste Vorlesung findet am 7.10.2022, 14Uhr-15:30Uhr in Präsenz statt.

This years exercise classes will be held on:

04.11.22
18.11.22
02.12.22
16.12.22

Vortragende Personen

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Fr.14:00 - 16:0007.10.2022 - 20.01.2023EI 1 Petritsch HS Vorlesung
Machine Learning Algorithms - Einzeltermine
TagDatumZeitOrtBeschreibung
Fr.07.10.202214:00 - 16:00EI 1 Petritsch HS Vorlesung
Fr.14.10.202214:00 - 16:00EI 1 Petritsch HS Vorlesung
Fr.21.10.202214:00 - 16:00EI 1 Petritsch HS Vorlesung
Fr.28.10.202214:00 - 16:00EI 1 Petritsch HS Vorlesung
Fr.04.11.202214:00 - 16:00EI 1 Petritsch HS Vorlesung
Fr.11.11.202214:00 - 16:00EI 1 Petritsch HS Vorlesung
Fr.18.11.202214:00 - 16:00EI 1 Petritsch HS Vorlesung
Fr.25.11.202214:00 - 16:00EI 1 Petritsch HS Vorlesung
Fr.02.12.202214:00 - 16:00EI 1 Petritsch HS Vorlesung
Fr.09.12.202214:00 - 16:00EI 1 Petritsch HS Vorlesung
Fr.16.12.202214:00 - 16:00EI 1 Petritsch HS Vorlesung
Fr.13.01.202314:00 - 16:00EI 1 Petritsch HS Vorlesung
Fr.20.01.202314:00 - 16:00EI 1 Petritsch HS Vorlesung

Leistungsnachweis

Students gain points in the 4 exercises classes by submitting homeworks and presenting their solutions. The obligatory project report handed in at the end of the semester acts as the basis for the final oral exam.

LVA-Anmeldung

Nicht erforderlich

Curricula

StudienkennzahlSemesterAnm.Bed.Info
066 507 Telecommunications

Literatur

Es wird kein Skriptum zur Lehrveranstaltung angeboten.

Vorkenntnisse

SP1 und SP2 sollten beherrscht werden.

Sprache

Englisch