M1107-CMS11
Machine Learning and Data Mining
|
Modulverantwortlich: |
N.N. |
Anzeige im Stundenplan: |
CMS-COR-MLD |
Dauer: |
3 |
Anzahl Wahlkurse: |
0 |
Credits: |
5,0
|
Startsemester: |
WiSe 2018/19 |
Verantwortliche:r Dozent:in |
Prof. Dr. Ivo Sbalzarini
ivo.sbalzarini@tu-dresden.de |
Qualifikationsziele |
Die Studierenden beherrschen nach Abschluss des Moduls die Grundlagen und Handhabung von Vorwärtsproblemen und inversen Problemen in der rechnergestützten Wissenschaft. Sie verstehen intuitiv die Bedeutung und Definition dieser beiden Problemformulierungen sowie den Zusammenhang mit generativen und diskriminativen Ansätzen in der Statistik. Sie kennen die theoretischen Verbindungen zwischen diesen beiden Formulierungen wie sie durch den Satz von Bayes und die Euler-Lagrange-Gleichungen gegeben sind. Für Vorwärtsprobleme wissen die Studierenden, was Verifizierung und Validierung bedeuten, und können diese praktisch anwenden. Für inverse Probleme sind den Studierenden die Grundlagen des maschinellen Lernens bekannt, insbesondere supervised und unsupervised Ansätze sowie die Konzepte des Overfitting und der Kreuzvalidierung. |
Inhalte |
Mathematische Formulierung von Vorwärtsproblemen und inversen Problemen, generative und diskriminative Ansätze der Modellierung, Satz von Bayes, Euler-Lagrange-Gleichungen der Optimierung, Verifizierung und Validierung von Modellen und Simulationen, Grundlagen des maschinellen Lernens, Supervised Learning, Unsupervised Learning, Overfitting, Kreuzvalidierung, Lernen als Optimierungsproblem, Grundlagen neuronaler Netze. |
Lehr- und Lernformen |
Vorlesungen im Umfang von 2 SWS Vorlesung, Übungen im Umfang 2 SWS Übung sowie das Selbststudium. |
Voraussetzungen für die Teilnahme |
Es werden Kenntnisse in sequentieller Computerprogrammierung, Algorithmen und Datenstrukturen, Analysis von Funktionen einer und mehrerer Variablen, lineare Algebra (Vektor- und Matrizenrechnung) sowie Wahrscheinlichkeitsrechnung und Statistik auf Bachelor-Niveau vorausgesetzt.
Mit der folgenden Literatur können sich die Studierenden auf das Modul vorbereiten:
Harel: Algorithmics - the spirit of computing, Addison-Wesley, 2004
Schildt: C++ from the ground up, McGraw-Hill, 2003
Abelson, Hal; Sussman, Gerald Jay: Structure and Interpretation of Computer Programs. MIT Press, 1985;
Cormen, Leiserson, Rivest, Stein: Introduction to Algorithms, 2nd Edi-tion, MIT Press 2001;
Lax, Terrell: Multivariable Calculus with Applications (Undergraduate Texts in Mathematics), Springer, 2018
Hefferon, Jim: Linear Algebra, http://joshua.smcvt.edu/linearalgebra/, 2008. |
Verwendbarkeit |
Das Modul ist im Masterstudiengang Computational Modeling and Simulation eines von sechs (für Studierende des Tracks Computational Life Science: fünf) Wahlpflichtmodulen, von denen drei gewählt werden müssen. Es schafft die Voraussetzungen für die Module CMS-EE-SCEE und CMS-EE-REEP. |
Voraussetzungen für Vergabe von Leistungspunkten |
Die Leistungspunkte werden erworben, wenn die Modulprüfung bestanden ist. Die Modulprüfung besteht bei mehr als 10 angemeldeten Studierenden aus einer Klausurarbeit im Umfang von 90 Minuten. Bei bis zu 10 angemeldeten Studierenden besteht sie aus einer mündlichen Prüfungsleistung als Einzelprüfung im Umfang von 30 Minuten; dies wird den angemeldeten Studierenden am Ende des Anmeldezeitraums bekannt gegeben. |
Leistungspunkte und Noten |
Durch das Modul können 5 Leistungspunkte erworben werden. Die Modulnote entspricht der Note der Prüfungsleistung. |
Häufigkeit des Moduls |
Das Modul wird jedes Wintersemester angeboten. |
Arbeitsaufwand |
Der Arbeitsaufwand beträgt insgesamt 150 Stunden. |
Dauer des Moduls |
Das Modul umfasst ein Semester. |
Modulnummer Modulhandbuch TU Dresden |
CMS-COR-MLD |