Modul Einführung in das Maschinelle Lernen, Informatik (Bachelor) (SPO 7)
Die Studierenden lernen die Grundlagen des Maschinellen Lernens ("Machine Learning") in Theorie und Praxis kennen, indem Sie alle nötigen Schritte im Bereich des Maschinellen Lernens erlernen, um eigene Anwendungen umzusetzen zu können und die dafür benötigen Daten entsprechend zu analysieren und aufzubereiten. Das Modul lehrt zudem die nötigen Grundlagen für weiterführende Veranstaltungen im Bereich Maschinelles Lernen und Künstliche Intelligenz.
Die Vorlesung gibt den Studierenden eine allgemeine Einführung in das Themengebiet des Maschinellen Lernens als Teilgebiet der Künstlichen Intelligenz. Dabei wird, beginnend mit klassischen Methoden, ein Überblick über die wichtigsten Themengebiete in diesem Bereich gegeben, der mit einem kurzen Einblick in die aktuellen Entwicklungen rund um "Deep Learning" endet.
Neben den theoretischen Grundlagen wird der praktische Einsatz der gelernten Methoden mit Hilfe der Programmiersprache Python und dem Einsatz von Jupyter Notebooks gezeigt.
Die Inhalte der Vorlesung umfassen:
- Einführung und Überblick über das Themenfeld
- Einführung in die Programmiersprache Python und Jupyter Notebooks
- Lineare Regression
- Logistische Regression
- ML-Workflow
- Over- und Underfitting
- Entscheidungsbäume
- Ensemble Learning (Random Forest, Gradient Boosting)
- Unsupervised Learning
- Neuronale Netze und Deep Learning
- A. Géron, "Hands-on Machine Learning with Scikit-Learn, Keras & TensorFlow", O'Reilly Media, 2nd Edition, 2019.
- J. Frochte, "Maschinelles Lernen - Grundlagen und Algorithmen in Python", Carl Hanser Verlag, 2. Auflage, 2019.
Die in der Vorlesung "Maschinelles Lernen" erlernten Kenntnisse werden in der Übung vertieft und praktisch geübt.
Die Studierenden lernen die theoretischen ML-Algorithmen auf konkreten Daten anzuwenden, indem Sie diese mit Hilfe der Programmiersprache Python in Programmcode übersetzten.
Dadurch lernen die Studierenden auch eigene Vorhersagemodelle anhand gegebener Daten zu trainieren und in unterschiedlichsten Anwendungen einzusetzen.
Die Programmiersprache Python wird zu Anfang des Semesters im Rahmen der Übung eingeführt wird.
- A. Géron, "Hands-on Machine Learning with Scikit-Learn, Keras & TensorFlow", O'Reilly Media, 2nd Edition, 2019.
- J. Frochte, "Maschinelles Lernen - Grundlagen und Algorithmen in Python", Carl Hanser Verlag, 2. Auflage, 2019.
Die Übung findet in zwei Gruppen statt. Gruppenanmeldung über Ilias.