Lehrende/r: Dr. Kristof Schmieden
Veranstaltungsart: Vorlesung
Anzeige im Stundenplan: 08.128.614
Semesterwochenstunden: 2
Credits: 3,0
Unterrichtssprache: Deutsch
Min. | Max. Teilnehmerzahl: - | -
Voraussetzungen / Organisatorisches: Die Vorlesungszeiten werden in der ersten Vorlesungswoche in Abstimmung mit alles TeilnehmerInnen festgelegt. Meine Vorschläge sind: Dienstag oder Mittwoch Nachmittag, 2h zwischen 13h und 18h. Auf Anfrage kann der Kurs in englischer Sprache stattfinden
Inhalt: Die Grundlagen des Mashine learning werden nur knapp besprochen. Der Fokus liegt auf der praktischen Anwendung von ML Tools zum bau von Klassifikatoren und Regressionen. Dazu werden wir viele beispiele mit Hilfe von Python & Keras erstellen und die Grenzen dieser erarbeiten. Als Beispiel werden hauptsächlich Daten aus der Teilchenphysik verwendet werden. Ein tieferes Verständnis der physikalisches Prozesse ist jedoch nicht nötig um der Vorlseung zu folgen. In der Vorlesung sollten Sie u.a. lernen: - Wann ist ein ML Klassifikator sinnvoll - Wie wird ein ML Klassifikator mit Modernen bausteinen implementiert? - Wie kann man sich Sicher sein das das Training robust ist (Stichwort overtraining) - Wie lassen sich Unischerheiten auf einen ML Klassifikator bestimmen? - Wie kann ein Klassifikator optimiert werden
Zusätzliche Informationen: Python Kenntnisse sind hilfreich
Digitale Lehre: LMS: https://lms.uni-mainz.de/moodle/course/view.php?id=85305
