Universität Wien FIND

Auf Grund der COVID-19 Pandemie kann es bei Lehrveranstaltungen und Prüfungen auch kurzfristig zu Änderungen kommen. Informieren Sie sich laufend in u:find und checken Sie regelmäßig Ihre E-Mails.

Lesen Sie bitte die Informationen auf https://studieren.univie.ac.at/info.

Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

280384 VO PM-MetNawi: Maschinelles und Statistisches Lernen in der Meteorologie (NPI) (2021W)

PM-MetNawi: Machine and Statistical Learning in Meteorology (NPI)

VOR-ORT

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 12 Teilnehmer*innen
Sprache: Deutsch

Prüfungstermine

Lehrende

Termine

Do 17:15-18:45
Raum 2F513, UZA II

Termine:

07.10.21 Vorbesprechung
14.10.21 1. Vorlesungseinheit
21.10.21 2. Vorlesungseinheit
28.10.21 3. Vorlesungseinheit
04.11.21 4. Vorlesungseinheit
11.11.21 5. Vorlesungseinheit
18.11.21 6. Vorlesungseinheit
25.11.21 7. Vorlesungseinheit
02.12.21 8. Vorlesungseinheit
09.12.21 9. Vorlesungseinheit
16.12.21 10. Vorlesungseinheit

Weihnachtsferien

13.01.22 Projektvorstellung
20.01.22 Projektvorstellung
27.01.22 Prüfung


Information

Ziele, Inhalte und Methode der Lehrveranstaltung

ZIELE:

* Überblick über die Methoden des statistischen und des maschinellen Lernens gewinnen.
* Tieferen math. Einblick in ausgewählte Methoden anhand meteorologischer Beispiele erhalten
* Hinweise zur Datenaufbereitung und -transformation
* Lernen, wie man folgende Methoden selbst programmiert:

INHALTE:
Lineare und logistische Regressionen mit und ohne Regularisierungen

Entscheidungsbäume wie Random Forests

Neuronale Netze wie das mehrlagige Perzeptron oder Long-Short-Term Memories

Selbstorganisierende Karten und Autoencoder zur Dimensionsreduktion

METHODEN:

Vorlesung mit sehr detailliertem Skriptum

NICHT ZIELE:

Überblick über bestehende Tools für Statistisches und Maschinelles Lernen in speziellen Programmiersprachen

Vermittlung von speziellen Programmierkenntnissen

Beantwortung der Frage: Welche Funktion muss ich aufrufen oder wo muss ich drauf klicken, um die Antwort auf eine spezielle Fragestellung zu bekommen.

Kochrezepte für Anwendungen der künstlichen Intelligenz

Wichtig: Meteorologie Kenntnisse erforderlich

Art der Leistungskontrolle und erlaubte Hilfsmittel

Schriftliche oder mündliche Prüfung am Ende der Vorlesung. Für jede Frage ist eine gewisse Punktanzahl zu erreichen.
Alternativ: Durchführung eines eigenen Projekts und Vorstellung am Ende des Semesters

Mindestanforderungen und Beurteilungsmaßstab

Mindestens 50% der möglichen Punkte

Notenschlüssel:
<50.0%: Nicht Genügend
50.0% -62.5%: Genügend
62.5% - 75.0%: Befriedigend
75.0% - 87.5%: Gut
> 87.5%: Sehr Gut

Prüfungsstoff

Der gesamte für die Prüfung relevante Stoff ist im Vorlesungsskriptum bzw. in der detaillierten Vorlesungspräsentation enthalten

Literatur

Wird in der ersten Vorlesungsstunde bekannt gegeben

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Fr 17.09.2021 13:09