040649 UK Machine Learning (2019W)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 16.09.2019 09:00 bis Mo 23.09.2019 12:00
- Abmeldung bis Mo 14.10.2019 12:00
Details
max. 30 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Donnerstag
03.10.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
10.10.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
17.10.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
24.10.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
31.10.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
07.11.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
14.11.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
21.11.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
28.11.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
05.12.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
12.12.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
09.01.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
16.01.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
23.01.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
30.01.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Laufende Lösung von Übungsaufgaben aus dem Buch: Bishop, Christopher M. (2006). Pattern Recognition and Machine Learning. Springer.
Mindestanforderungen und Beurteilungsmaßstab
Prüfungsstoff
Alles was vorgetragen wurde.
Literatur
Bishop, Christopher M. (2006). Pattern Recognition and Machine Learning. Springer.
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mo 07.09.2020 15:19
- Recursive estimation and stochastic gradient methods
- Linear classifier and support vector machines
- Neural Networks
- Bayesian Networks
- Clustering and the EM-Algorithm
- Hidden Merkur Models - Baum/Welch and Viterbi-Algorithms