| Maschinelles Lernen I (VL) |
| Subtitle: |
| Diese Lehrveranstaltung ist Teil des Moduls: Maschinelles Lernen, Maschinelles Lernen I |
| Semester: |
| SoSe 24 |
| Course type: |
| Lecture |
| Course number: |
| lv2432_s24 |
| Lecturer: |
| Nihat Ay, Dr. Manfred Eppe |
| Description: |
- Geschichte der Neurowissenschaften und des maschinellen Lernens (insbesondere des tiefen Lernens)
- McCulloch-Pitts-Neuronen und binäre neuronale Netze
- Boolesche Funktionen und Schellwert-Funktionen
- Universalität von neuronalen McCulloch-Pitts-Netzwerken
- Lernen und das Perzeptron-Konvergenz-Theorem
- Support-Vektor-Maschinen
- Harmonische Analyse von Booleschen Funktionen
- Kontinuierliche künstliche neuronale Netze
- Kolmogorovsches Superpositions-Theorem
- Universelle Approximation mit kontinuierlichen neuronalen Netzen
- Approximationsfehler und die Gradienten-Abstiegs-Methode: die allgemeine Idee
- Die stochastische Gradienten-Abstiegs-Methode (Robbins-Monro- und Kiefer-Wolfowitz-Fälle)
- Mehrschichtige Netzwerke und der Backpropagation-Algorithmus
- Statistische Lerntheorie
|
| Performance accreditation: |
| m1595 - Maschinelles Lernen<ul><li>p1543 - Maschinelles Lernen: Klausur schriftlich</li></ul><br>m1595-2022 - Maschinelles Lernen I<ul><li>p1543-2022 - Maschinelles Lernen I: Klausur schriftlich</li><li>vl424-2022 - Freiwillige Studienleistung Maschinelles Lernen I - Übungsaufgaben: Übungsaufgaben</li></ul> |
| ECTS credit points: |
| 3 |
| Stud.IP informationen about this course: |
Home institute: Institut für Data Science Foundations (E-21)
Registered participants in Stud.IP: 124
Postings: 8
Documents: 10
|
