Universität Wien

280390 VO PM-MetNawi Machine and statistical learning in meteorology (NPI) (2020S)

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

3.00 ECTS (2.00 SWS), SPL 28 - Erdwissenschaften, Meteorologie - Geophysik und
Moodle

Registration/Deregistration

Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).
Register/Deregister for this course

Details

Language: German

Examination dates

Lecturers

Classes

Für diese Vorlesung gibt es aufgrund der Corona Situation keine konkreten Termine. Die Vorlesungsunterlagen werden nach und nach online gestellt.
Nach Ostern werden für die Studierenden Projektthemen vorgeschlagen, die dann bis Semesterende zu bearbeiten sind und in schriftlicher Form abzugeben sind.

Information

Aims, contents and method of the course

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 Regressionen mit Regularisierungen
Entscheidungsbäume wie Random Forests
Neuronale Netze wie das mehrlagige Perzeptron
Selbstorganisierende Karten zur Dimensionsreduktion
Graphisches Hierarchisches Clustering

METHODEN:

Vorlesung mit integrierten Elementen einer Übung

NICHT ZIELE:

Überblick über bestehende Tools für Statistisches und Maschinelles Lernen

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

Assessment and permitted materials

Bewertung einer individuellen Projektarbeit

Minimum requirements and assessment criteria

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

Examination topics

Die Prüfung findet in Form der Beurteilung einer individuellen Projektarbeit statt.

Reading list

Wird in der ersten Vorlesungsstunde bekannt gegeben

Association in the course directory

Last modified: Fr 09.07.2021 00:24