Lehrinhalte
Maschinelles Lernen ist die Wissenschaft davon, Computer zum Handeln zu bringen, ohne explizit programmiert zu sein. In den letzten zehn Jahren hat uns das maschinelle Lernen selbstfahrende Autos, praktische Spracherkennung, effektive Websuche und ein erheblich verbessertes Verständnis des menschlichen Genoms ermöglicht. Maschinelles Lernen ist heute so allgegenwärtig, dass man es wahrscheinlich dutzende Male am Tag benutzt, ohne es zu wissen. Viele Forscher sind auch der Meinung, dass es der beste Weg ist, um Fortschritte auf dem Weg zu einer KI auf menschlicher Ebene zu erzielen. In diesem Kurs lernen Sie die effektivsten Techniken des maschinellen Lernens kennen.
Noch wichtiger ist, dass Sie nicht nur die theoretischen Grundlagen des maschinellen Lernens kennen lernen, sondern auch das praktische Know-how erwerben, das erforderlich ist, um diese Techniken schnell auf neue Probleme anzuwenden.
Dieser Kurs bietet eine umfassende Einführung in maschinelles Lernen, Datamining und statistische Mustererkennung. Die Themen umfassen: (i) Beaufsichtigtes Lernen (parametrische/nichtparametrische Algorithmen, Support-Vektor-Maschinen, Kernel, neuronale Netze). (ii) Unbeaufsichtigtes Lernen (Clustering, Reduktion der Dimensionalität, Recommender-Systeme, Tiefenlernen). (iii) Bewährte Praktiken beim maschinellen Lernen (Verzerrungs-/Varianz-Theorie). Der Kurs wird sich auch auf zahlreiche Fallstudien und Anwendungen mit Bezug auf das Bauwesen stützen, so dass Sie auch lernen werden, wie man Lernalgorithmen auf den Bau intelligenter Steuerung, Textverständnis, Computer Vision und andere Bereiche anwendet.
Literatur
Hands-on machine learning with Scikit-Learn, Keras and Tensorflow Aurelien Geron
Künstliche Intelligenz für Ingenieure Jan LunzeScikit-Learn Cookbook Julian Avila
Voraussetzungen
Mathematik 1-3
Englisch-Kenntnisse
Online-Angebote
Moodle
Maschinelles Lernen ist die Wissenschaft davon, Computer zum Handeln zu bringen, ohne explizit programmiert zu sein. In den letzten zehn Jahren hat uns das maschinelle Lernen selbstfahrende Autos, praktische Spracherkennung, effektive Websuche und ein erheblich verbessertes Verständnis des menschlichen Genoms ermöglicht. Maschinelles Lernen ist heute so allgegenwärtig, dass man es wahrscheinlich dutzende Male am Tag benutzt, ohne es zu wissen. Viele Forscher sind auch der Meinung, dass es der beste Weg ist, um Fortschritte auf dem Weg zu einer KI auf menschlicher Ebene zu erzielen. In diesem Kurs lernen Sie die effektivsten Techniken des maschinellen Lernens kennen.
Noch wichtiger ist, dass Sie nicht nur die theoretischen Grundlagen des maschinellen Lernens kennen lernen, sondern auch das praktische Know-how erwerben, das erforderlich ist, um diese Techniken schnell auf neue Probleme anzuwenden.
Dieser Kurs bietet eine umfassende Einführung in maschinelles Lernen, Datamining und statistische Mustererkennung. Die Themen umfassen: (i) Beaufsichtigtes Lernen (parametrische/nichtparametrische Algorithmen, Support-Vektor-Maschinen, Kernel, neuronale Netze). (ii) Unbeaufsichtigtes Lernen (Clustering, Reduktion der Dimensionalität, Recommender-Systeme, Tiefenlernen). (iii) Bewährte Praktiken beim maschinellen Lernen (Verzerrungs-/Varianz-Theorie). Der Kurs wird sich auch auf zahlreiche Fallstudien und Anwendungen mit Bezug auf das Bauwesen stützen, so dass Sie auch lernen werden, wie man Lernalgorithmen auf den Bau intelligenter Steuerung, Textverständnis, Computer Vision und andere Bereiche anwendet.
Literatur
Hands-on machine learning with Scikit-Learn, Keras and Tensorflow Aurelien Geron
Künstliche Intelligenz für Ingenieure Jan LunzeScikit-Learn Cookbook Julian Avila
Voraussetzungen
Mathematik 1-3
Englisch-Kenntnisse
Online-Angebote
Moodle
- Lehrende: Hagen Berthold
- Lehrende: Henrik Riedel
- Lehrende: Jens Schneider
Semester: WiSe 2020/21