Zur Merkliste hinzufügen
Zurück

 

17165-01 - Vorlesung: Machine Learning 8 KP

Semester Frühjahrsemester 2020
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
Weblink Course website

 

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

 

Intervall wöchentlich
Datum 18.02.2020 – 27.05.2020
Zeit Dienstag, 10.15-12.00 Spiegelgasse 1, Seminarraum 00.003
Mittwoch, 14.15-16.00 Alte Universität, Seminarraum -201
Datum Zeit Raum
Dienstag 18.02.2020 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 19.02.2020 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 25.02.2020 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 26.02.2020 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 03.03.2020 10.15-12.00 Uhr Fasnachtsferien
Mittwoch 04.03.2020 14.15-16.00 Uhr Fasnachtsferien
Dienstag 10.03.2020 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 11.03.2020 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 17.03.2020 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 18.03.2020 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 24.03.2020 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 25.03.2020 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 31.03.2020 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 01.04.2020 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 07.04.2020 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 08.04.2020 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 14.04.2020 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 15.04.2020 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 21.04.2020 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 22.04.2020 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 28.04.2020 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 29.04.2020 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 05.05.2020 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 06.05.2020 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 12.05.2020 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 13.05.2020 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 19.05.2020 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 20.05.2020 14.15-16.00 Uhr Alte Universität, Seminarraum -201
Dienstag 26.05.2020 10.15-12.00 Uhr Spiegelgasse 1, Seminarraum 00.003
Mittwoch 27.05.2020 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