| Lerninhalte |
Lehrinhalte:
- Klassifikations-, Regressions- und Clusteringprobleme
- Lineare und nichtlineare Trennbarkeit
- Quadratische Optimierung und Fishers Diskriminante
- Semidefinite Optimierung und Clustering mit Ellipsoiden
- Quadratische Optimierung und Support Vektor Maschinen
- Nichtlineare Optimierung und neuronale Netze: Feed Forward Netze und Varianten, Backpropagation und Varianten
- Neuronale Netze: Komplexität und Darstellbarkeit
- Unüberwachtes Lernen: Clusteralgorithmen
Empfohlene Teilnahmevoraussetzung: Kenntnisse und Fertigkeiten ungefähr auf dem Niveau der Module Analysis 1, Analysis 2, Lineare Algebra 1, Lineare Algebra 2, Numerische Mathematik, Diskrete Mathematik und Optimierung |
