Advanced Machine Learning

In der Vorlesung ?Advanced Machine Learning” werden den Studierenden die fortgeschrittenen Konzepte des maschinellen Lernens n?hergebracht. Hierfür wird ein Grundwissen über mathematische, statistische und algorithmische Konzepte (wie z.B. in ?Grundlagen des maschinellen Lernens“ erworben) vorausgesetzt. Ein Gro?teil der Themen liegt im Bereich der Neuronalen Netze. Zus?tzlich zu der Vorlesung, werden Tutorien angeboten, in denen die theoretischen Inhalte der Vorlesung in Python mit PyTorch implementiert werden.

Die Studierenden sind nach Abschluss des Kurses in der Lage verschiedene Methoden des maschinellen Lernens in komplexen Anwendungsf?llen gegeneinander abzuw?gen, sie in ihren Unterschieden zu beschreiben und Vor- und Nachteile, sowie Bedingungen einzelner Verfahren zu erkl?ren. Hierbei wird eine Transferleistung erwartet. Au?erdem k?nnen sie entsprechenden Python-Code nachvollziehen und erl?utern.

Inhalte:

• Generative/ Discriminative Modelle, Regression, Features, Evaluation
• Statistische und mathematische Grundlagen
• Grundlagen Neuronaler Netze
• Convolutional Neural Networks, Recurrent Neural Networks, Generative Models, Bayesian and Gaussian Networks
• Attention Modules, Distance Metric Learning, Gradient Boosting
• End-to-end Systems, Optimization, Explainable AI