270087 VO Machine Learning von Molekülen und Materialien (2025W)
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Details
max. 24 Teilnehmer*innen
Sprache: Deutsch
Prüfungstermine
Lehrende
Termine
Jeden Dienstag im PC Pool (Währinger Str. 17, 2nd floor) 13-14:45
Erster Termin 7.10.2025
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Unterrichtssprache ist Englisch.Der Fokus der VO is die Besprechung/Herleitung von Algorithmen. Die Anwendung findet in der UE statt.Bitte melden Sie sich beim Moodle Kurs der Übung an, die VO hat keinen eigenen Moodle Kurs.Dieser Kurs bietet eine umfassende Einführung in das maschinelle Lernen und behandelt die grundlegenden Konzepte und Techniken, die in diesem Bereich verwendet werden. Die Studierenden werden supervised und non-supervised Methoden des maschinellen Lernens kennen lernen, einschließlich Regression, Klassifizierung, Clustering und Dimensionalitätsreduktion. Zu den wichtigsten Themen gehören Overfitting, Modellauswertung und die Balance zwischen Bias und Varianz.Der Kurs befasst sich auch mit fortgeschrittenen Methoden wie neuronalen Netzen und probabilistischen Ansätzen. Praktische Übungen ermöglichen es den Studierenden, verschiedene Algorithmen des maschinellen Lernens unter Verwendung gängiger Python Packages zu implementieren und zu erproben. Am Ende des Kurses werden die Studierenden mit dem Wissen und den Fähigkeiten ausgestattet sein, um reale Probleme des maschinellen Lernens anzugehen und die Prinzipien hinter den verwendeten Algorithmen zu verstehen.Die praktischen Übungen finden im Rahmen von 270095-1 statt. Der Besuch der Vorlesung ohne die Übung ist nicht zu empfehlen.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Die Leistung wird am Ende des Semesters durch eine mündliche Prüfung erbracht.Es gibt Prüfungstermine am 27./28./29. 1.2026
Die einzelnen Termine können auf Moodle gewählt werden.
Die einzelnen Termine können auf Moodle gewählt werden.
Mindestanforderungen und Beurteilungsmaßstab
Es werden grundlegende Kenntnisse vorausgesetzt in:
- Mathematik (z.B. Matrixmultiplikation, Berechnung von Ableitungen)
- Python oder anderer Programmiersprache (z.B. durch Kurse wie "Computergestützte Datenverarbeitung" oder "Programmieren in C/Fortran/Python")Vorkenntnisse in klassischer theoretischen Chemie, wie Quantenmechanik oder (statistischer) Thermodynamik ist nicht erforderlich.Es wird keine Teilleistungen geben. Die VO wird auf der Basis einer einzigen, mündlichen Prüfung benotet. Eine Leistung, die zeigt, dass man die in der Vorlesung besprochenen Grundlagen verstanden hat, wird positiv benotet.
- Mathematik (z.B. Matrixmultiplikation, Berechnung von Ableitungen)
- Python oder anderer Programmiersprache (z.B. durch Kurse wie "Computergestützte Datenverarbeitung" oder "Programmieren in C/Fortran/Python")Vorkenntnisse in klassischer theoretischen Chemie, wie Quantenmechanik oder (statistischer) Thermodynamik ist nicht erforderlich.Es wird keine Teilleistungen geben. Die VO wird auf der Basis einer einzigen, mündlichen Prüfung benotet. Eine Leistung, die zeigt, dass man die in der Vorlesung besprochenen Grundlagen verstanden hat, wird positiv benotet.
Prüfungsstoff
Inhalt der Vorlesung.
Literatur
- VorlesungsskriptAlternativ:
- C. Bishop, Pattern recognition and machine Learning
- https://www.deeplearningbook.org/
- ausgewählte Forschungsartikel
- C. Bishop, Pattern recognition and machine Learning
- https://www.deeplearningbook.org/
- ausgewählte Forschungsartikel
Zuordnung im Vorlesungsverzeichnis
CH-MAT-01, WD3, Design
Letzte Änderung: Mo 02.02.2026 14:47