Advanced Machine Learning

In der Vorlesung „Advanced Machine Learning” werden den Studierenden die fortgeschrittenen Konzepte des maschinellen Lernens nähergebracht. Hierfür wird ein Grundwissen über mathematische, statistische und algorithmische Konzepte (wie z.B. in „Grundlagen des maschinellen Lernens“ erworben) vorausgesetzt. Ein Großteil der Themen liegt im Bereich der Neuronalen Netze. Zusätzlich zu der Vorlesung, werden Tutorien angeboten, in denen die theoretischen Inhalte der Vorlesung in Python mit PyTorch implementiert werden.

Die Studierenden sind nach Abschluss des Kurses in der Lage verschiedene Methoden des maschinellen Lernens in komplexen Anwendungsfällen gegeneinander abzuwägen, sie in ihren Unterschieden zu beschreiben und Vor- und Nachteile, sowie Bedingungen einzelner Verfahren zu erklären. Hierbei wird eine Transferleistung erwartet. Außerdem können sie entsprechenden Python-Code nachvollziehen und erläutern.

 

Inhalte:

  • Generative/ Discriminative Modelle, Regression, Features, Evaluation
  • Statistische und mathematische Grundlagen
  • Grundlagen Neuronaler Netze
  • Convolutional Neural Networks, Recurrent Neural Networks, Generative Models, Bayesian and Gaussian Networks
  • Attention Modules, Distance Metric Learning, Gradient Boosting
  • End-to-end Systems, Optimization, Explainable AI