Modul CS5020-KP06

Algorithmisches Lernen und kausale Inferenz (ALKI)

Dauer:

1 Semester

Angebotsturnus:

In der Regel jährlich, vorzugsweise im SoSe

Leistungspunkte:

Studiengang, Fachgebiet und Fachsemester:

Master Informatik 2019 (Wahlpflicht), Wahlpflicht, Beliebiges Fachsemester
Master Informatik 2019 (Pflicht), Kanonische Vertiefung Data Science und KI, Beliebiges Fachsemester

Lehrveranstaltungen:

CS5020-Ü: Algorithmisches Lernen und kausale Inferenz (Übung, 1 SWS)
CS5020-V: Algorithmisches Lernen und kausale Inferenz (Vorlesung, 4 SWS)

Workload:

75 Stunden Präsenzstudium
105 Stunden Selbststudium

Lehrinhalte:
induktive Inferenz algorithmische Lernstrategien, Komplexitätsanalyse kausale Inferenz, Strukturen und Effekte, structural learning, lineare Modelle, counterfactual inference

Qualifikationsziele/Kompetenzen:

Die Studierenden können algorithmische Methoden zur Wissensgenerierung verstehen und analysieren.
Sie können statistische und logische Ansätze vergleichen.

Vergabe von Leistungspunkten und Benotung durch:

Mündliche Prüfung

Literatur:

Kearns, Vazirani: An Introduction to Computational Learning Theory - MIT Press 1994
Shalev-Shwartz, Ben-David: Understanding Machine Learning - Cambridge Univ. Press, 2014
Pearl: Causality - Cambridge Univ. Press, 2008

Sprache:

kann in Deutsch oder Englisch durchgeführt werden (nach Absprache mit den Teilnehmern)

Bemerkungen:

Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine (die Kompetenzen der unter Setzt voraus genannten Module werden für dieses Modul benötigt, sind aber keine formale Voraussetzung)

Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Erfolgreiche Bearbeitung von Übungsaufgaben gemäß Vorgabe am Semesteranfang

Modulprüfung(en):
- CS5020-L1: Algorithmisches Lernen und kausale Inferenz, mündliche Prüfung, 100% der Modulnote