| Inhalt |
Das Modul soll den Studenten die theoretischen und praktischen Aspekte des probabilistischen Machine Learning vermitteln. Eine breite Auswahl an Werkzeugen wird so präsentiert, dass jeweils sowohl ein formal-akademisches als auch anschaulich-intuitives Verständnis des grundlegenden Prinzips entsteht. Des weiteren soll die Funktionalität der aktuellen Implementierungen in den einschlägigen Bibliotheken überblickt werden. Im Fokus steht die Befähigung zur Problemlösung vielfältiger Aufgaben durch bausteinartige Verknüpfung einzelner numerischer und theoretischer Tools zu einer formal korrekten und numerisch berechenbaren Verarbeitungspipeline. All das wird von einer rein digitalen Übung mit Rechen- und Programmieraufgaben unterstützt.
Vorgestellte numerische Werkzeuge sind Regression (linear, spline, Gaussian process), Deep Learning (Feed Forward Neural Network, Bayesian Neural Network), nichtlineare Optimierung (steepest descent, Newton), Sampling (independent random, deterministic), Kubatur (Monte Carlo, quasi-Monte Carlo).
Vorgestellte theoretische Werkzeuge sind Faktorisierung der Verbunddichte mit gerichteten azyklischen Graphen, Dichterepräsentierung (Gauss, Exponential Family), Least Squares, Maximum-Likelihood, Risk Minimization, fehlertolerante Schätzung, Bayesian Model Selection, Meta-Priors, Active Inference.
Prüfung: Mündlich, Terminvereinbarung: pruefung-isas@kit.edu. Zusätzliche Anmeldung im CAS nicht vergessen. |
| Qualifikationsziele | Teilnehmerinnen und Teilnehmer dieses Kurses haben einen breiten Überblick über Werkzeuge des probabilistischen Machine Learning und können diese zur Lösung verschiedenster Probleme kreativ miteinander verketten. |
| Vortragssprache | Deutsch |
| Sprache der schriftlichen Unterlagen | Englisch |
| Arbeitsaufwand |
Pro Woche:
|
| Vertiefungsgebiete Informatik |
|
| Voraussetzungen | Keine |
| Empfehlungen |
Kenntnisse einer höheren Programmiersprache mit ausgereiften Bibliotheken zum wissenschaftlich-numerischen Rechnen (z.B. Julia, Matlab, Python) sind von Vorteil. |
| Erfolgskontrollen |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO. Außerdem müssen alle digitalen Übungsaufgaben korrekt gelöst werden. Dies kann jederzeit durchgeführt und beliebig oft wiederholt werden. Es handelt sich um eine Studienleistung nach § 4 Abs. 3 SPO. |
| Übung |
Enthält eine digitale Übung mit Programmieraufgaben. Mit Hilfe von ILIAS-Tests werden Aufgaben gestellt und automatisch auf Richtigkeit geprüft. |
| Prüfung |
Es findet eine mündliche Prüfung von ca. 20 min Dauer statt. Termine hierzu werden per Mail an pruefung-isas@kit.edu vereinbart und werden das ganze Jahr über angeboten. |
