Zur Merkliste hinzufügen
Zurück

 

17165-01 - Vorlesung: Machine Learning 8 KP

Semester Frühjahrsemester 2019
Angebotsmuster Jedes Frühjahrsem.
Dozierende Volker Roth (volker.roth@unibas.ch, BeurteilerIn)
Inhalt Introduction: What is Machine Learning? Math refresher. Supervised Learning: theoretical foundations. Regression estimation: standard methods + algorithms. Classification: standard methods + algorithms. Neural Networks and Deep Learning. Learning Theory: risk minimization, regularization, elements of statistical learning theory. Kernel Methods. Mixture models. Conditional mixtures (mixtures of experts). Clustering. Bayesian model comparison.
Lernziele Understand the theoretical foundations of Machine Learning

Understand and apply practical learning algorithms: linear and generalized linear models for regression and classification, neural networks, Support Vector machines & kernel methods, mixture models & clustering.

Program in Matlab, Python and Tensorflow
Literatur tba
Bemerkungen Target group: Master students

 

Teilnahmebedingungen Knowledge and skills regarding pattern recognition, numerical analysis, and statistics
Anmeldung zur Lehrveranstaltung Übung: https://courses.cs.unibas.ch
Unterrichtssprache Englisch
Weblink Course website
Einsatz digitaler Medien Online-Angebot obligatorisch
HörerInnen willkommen

 

Intervall wöchentlich
Datum 19.02.2019 – 29.05.2019
Zeit Dienstag, 10.15-12.00 Spiegelgasse 1, Seminarraum 00.003
Mittwoch, 14.15-16.00 Alte Universität, Seminarraum -201
Datum Zeit Raum
Dienstag 19.02.2019 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 20.02.2019 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 26.02.2019 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 27.02.2019 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 05.03.2019 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 06.03.2019 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 12.03.2019 10.15-12.00 Uhr Fasnachtsferien
Mittwoch 13.03.2019 14.15-16.00 Uhr Fasnachtsferien
Dienstag 19.03.2019 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 20.03.2019 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 26.03.2019 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 27.03.2019 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 02.04.2019 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 03.04.2019 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 09.04.2019 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 10.04.2019 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 16.04.2019 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 17.04.2019 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 23.04.2019 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 24.04.2019 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 30.04.2019 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 01.05.2019 14.15-16.00 Uhr Tag der Arbeit
Dienstag 07.05.2019 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 08.05.2019 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 14.05.2019 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 15.05.2019 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 21.05.2019 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 22.05.2019 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 28.05.2019 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 29.05.2019 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Module Doktorat Informatik: Empfehlungen (Promotionsfach Informatik)
Kernfächer und Seminar (Masterstudium: Computational Biology and Bioinformatics)
Modul: Applications of Distributed Systems (Masterstudium: Computer Science)
Modul: Concepts of Machine Intelligence (Masterstudium: Computer Science)
Modul: Concepts of Machine Intelligence (Master Studienfach Computer Science)
Modul: Interdisziplinäres und Wissenstransfer (Masterstudium: Actuarial Science)
Leistungsüberprüfung Lehrveranst.-begleitend
Hinweise zur Leistungsüberprüfung Oral exam
Date: 26/27/28 June 2019, office 06.003
An-/Abmeldung zur Leistungsüberprüfung An-/Abmelden: Belegen resp. Stornieren der Belegung via MOnA
Wiederholungsprüfung keine Wiederholungsprüfung
Skala 1-6 0,5
Wiederholtes Belegen beliebig wiederholbar
Zuständige Fakultät Philosophisch-Naturwissenschaftliche Fakultät, studiendekanat-philnat@unibas.ch
Anbietende Organisationseinheit Fachbereich Informatik

Zurück