Zur Merkliste hinzufügen
Zurück

 

17165-01 - Vorlesung: Machine Learning 8 KP

Semester Frühjahrsemester 2024
Angebotsmuster Jedes Frühjahrsem.
Dozierende Volker Roth (volker.roth@unibas.ch, BeurteilerIn)
Inhalt Probabilities
Generative models for discrete data
Classification & regression: Frequentist & Bayesian approaches, model selection, sparse models
Neural networks: Feed-forward & recurrent topologies, encoder-decoder models, interpretability in deep learning models
Elements of statistical learning theory
Support Vector Machines and kernels, Gaussian processes
Mixture models, mixtures of experts
Linear latent variable models: Factor analysis, PCA, CCA
Non-linear latent variable models: Variational autoencoders, deep information bottlenecks
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 Python. PyTorch & Tensorflow
Literatur https://mitpress.mit.edu/books/machine-learning-1
https://www.deeplearningbook.org/
Bemerkungen Target group: Master students
Weblink Course website

 

Teilnahmebedingungen Basic 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 fakultativ
HörerInnen willkommen

 

Intervall Wochentag Zeit Raum
wöchentlich Dienstag 10.15-12.00 Physik, Neuer Hörsaal 1, Foyer EG
wöchentlich Mittwoch 14.15-16.00 Alte Universität, Hörsaal -101

Einzeltermine

Datum Zeit Raum
Dienstag 27.02.2024 10.15-12.00 Uhr Physik, Neuer Hörsaal 1, Foyer EG
Mittwoch 28.02.2024 14.15-16.00 Uhr Alte Universität, Hörsaal -101
Dienstag 05.03.2024 10.15-12.00 Uhr Physik, Neuer Hörsaal 1, Foyer EG
Mittwoch 06.03.2024 14.15-16.00 Uhr Alte Universität, Hörsaal -101
Dienstag 12.03.2024 10.15-12.00 Uhr Physik, Neuer Hörsaal 1, Foyer EG
Mittwoch 13.03.2024 14.15-16.00 Uhr Alte Universität, Hörsaal -101
Dienstag 19.03.2024 10.15-12.00 Uhr Physik, Neuer Hörsaal 1, Foyer EG
Mittwoch 20.03.2024 14.15-16.00 Uhr Alte Universität, Hörsaal -101
Dienstag 26.03.2024 10.15-12.00 Uhr Physik, Neuer Hörsaal 1, Foyer EG
Mittwoch 27.03.2024 14.15-16.00 Uhr Alte Universität, Hörsaal -101
Dienstag 02.04.2024 10.15-12.00 Uhr Physik, Neuer Hörsaal 1, Foyer EG
Mittwoch 03.04.2024 14.15-16.00 Uhr Alte Universität, Hörsaal -101
Dienstag 09.04.2024 10.15-12.00 Uhr Physik, Neuer Hörsaal 1, Foyer EG
Mittwoch 10.04.2024 14.15-16.00 Uhr Alte Universität, Hörsaal -101
Dienstag 16.04.2024 10.15-12.00 Uhr Physik, Neuer Hörsaal 1, Foyer EG
Mittwoch 17.04.2024 14.15-16.00 Uhr Alte Universität, Hörsaal -101
Dienstag 23.04.2024 10.15-12.00 Uhr Physik, Neuer Hörsaal 1, Foyer EG
Mittwoch 24.04.2024 14.15-16.00 Uhr Alte Universität, Hörsaal -101
Dienstag 30.04.2024 10.15-12.00 Uhr Physik, Neuer Hörsaal 1, Foyer EG
Mittwoch 01.05.2024 14.15-16.00 Uhr Tag der Arbeit
Dienstag 07.05.2024 10.15-12.00 Uhr Physik, Neuer Hörsaal 1, Foyer EG
Mittwoch 08.05.2024 14.15-16.00 Uhr Alte Universität, Hörsaal -101
Dienstag 14.05.2024 10.15-12.00 Uhr Physik, Neuer Hörsaal 1, Foyer EG
Mittwoch 15.05.2024 14.15-16.00 Uhr Alte Universität, Hörsaal -101
Dienstag 21.05.2024 10.15-12.00 Uhr Physik, Neuer Hörsaal 1, Foyer EG
Mittwoch 22.05.2024 14.15-16.00 Uhr Alte Universität, Hörsaal -101
Dienstag 28.05.2024 10.15-12.00 Uhr Physik, Neuer Hörsaal 1, Foyer EG
Mittwoch 29.05.2024 14.15-16.00 Uhr Alte Universität, Hörsaal -101
Module Doktorat Informatik: Empfehlungen (Promotionsfach: Informatik)
General Electives in Business and Economics: Zusätzliches Lehrangebot (Masterstudium: Wirtschaftswissenschaften)
Kernfächer und Seminar (Masterstudium: Computational Biology and Bioinformatics)
Modul: Applications of Distributed Systems (Masterstudium: Computer Science)
Modul: Concepts of Machine Intelligence (Master Studienfach: Computer Science)
Modul: Concepts of Machine Intelligence (Masterstudium: Computer Science)
Modul: Interdisziplinäres und Wissenstransfer (Masterstudium: Actuarial Science)
Modul: Machine Learning Foundations (Masterstudium: Data Science)
Leistungsüberprüfung Lehrveranst.-begleitend
Hinweise zur Leistungsüberprüfung Oral exam
Expected Date: 17/18/19 June 2023 (TBA), Spiegelgasse 1, room 00.003.
Admission to the examination: handing in "reasonable" solutions to >70% of the exercises
Composition of the grade: examination result
An-/Abmeldung zur Leistungsüberprüfung Anm.: Belegen Lehrveranstaltung; Abm.: stornieren
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