Website
Modulhandbuch ab 2016

Modul MA4320-KP05

Optimierungsverfahren für Maschinelles Lernen (OptvML)

Dauer:


1 Semester
Angebotsturnus:


Unregelmäßig
Leistungspunkte:


5
Studiengang, Fachgebiet und Fachsemester:
  • Bachelor Mathematik in Medizin und Lebenswissenschaften 2016 (Wahl), Mathematik, 6. Fachsemester
  • Master Mathematik in Medizin und Lebenswissenschaften 2016 (Wahlpflicht), Mathematik, 2. oder 4. Fachsemester
  • Bachelor Mathematik in Medizin und Lebenswissenschaften 2023 (Wahlpflicht), Mathematik, 6. Fachsemester
  • Master Mathematik in Medizin und Lebenswissenschaften 2023 (Wahlpflicht), Mathematik, 2. oder 4. Fachsemester
Lehrveranstaltungen:
  • MA4320-Ü: Optimierungsverfahren für Maschinelles Lernen (Übung, 1 SWS)
  • MA4320-V: Optimierungsverfahren für Maschinelles Lernen (Vorlesung, 2 SWS)
Workload:
  • 20 Stunden Prüfungsvorbereitung
  • 85 Stunden Selbststudium und Aufgabenbearbeitung
  • 45 Stunden Präsenzstudium
Lehrinhalte:
  • Zielfunktionen im Maschinellen Lernen (z.B. hinge loss, log loss, expected risk, empirical risk)
  • Optimierungsverfahren für Maschinelles Lernen (z.B. Stochastisches Gradientenverfahren, Adam, stochastische Quasi-Newton-Verfahren)
  • Anwendungen (z.B. Klassifikation, Regression, Sprach- und Bilderkennung)
Qualifikationsziele/Kompetenzen:
  • Studierende können Probleme des Maschinellen Lernens als Optimierungsprobleme modellieren.
  • Sie verstehen die Vor- und Nachteile und Einsatzgebiete einzelner Optimierungsverfahren.
  • Sie können typische Beweistechniken anwenden.
  • Sie können Optimierungsverfahren auswählen und für neue Modelle praktisch umsetzen.
  • Fachübergreifende Aspekte:
  • Studierende können theoretische Konzepte in die Praxis umsetzen.
  • Sie besitzen Implementierungserfahrung.
  • Sie können praktische Probleme abstrahieren.
Vergabe von Leistungspunkten und Benotung durch:
  • Klausur oder mündliche Prüfung nach Maßgabe des Dozenten
Setzt voraus:
Modulverantwortlicher:
Lehrende:
Literatur:
  • Goodfellow, Bengio, Courville: Deep Learning - MIT Press
  • Bottou, Curtis, Nocedal: Optimization Methods for Large-Scale Machine Learning - SIAM
  • Bubeck: Convex Optimization: Algorithms and Complexity - Now Publishers Inc
  • Lan: First-order and Stochastic Optimization Methods for Machine Learning - Springer
Sprache:
  • Sowohl Deutsch- wie Englischkenntnisse nötig
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):
- Unbenotete Prüfungsvorleistungen sind Übungsaufgaben sowie deren Präsentation. Diese müssen vor der Erstprüfung bearbeitet und positiv bewertet worden sein.

Modulprüfung(en):
- MA4320-L1: Optimierungsverfahren für Maschinelles Lernen, Klausur, 90min, oder mündliche Prüfung, 30min, nach Maßgabe des Dozenten, 100% der Modulnote

Letzte Änderung:
19.3.2024