Modulbeschreibung
Statistical Machine Learning
Kürzel:
M_ML
Durchführungszeitraum:
HS/15-HS/17
ECTS-Credits:
4
Lernziele:
The goal is to enable the students to understand the fundamental statistical machine learning algorithms for diverse datasets. To this end, the theory of these algorithms is developed in the lectures and during the practice sessions, many such data sets are analyzed.
Verantwortliche Person:
Prof. Dr. Schuster Guido
Standort (angeboten):
Rapperswil-Jona
Zusätzlich vorausgesetzte Kenntnisse:
- Since this module is taught in English, a reasonable command of the English language is required
- Fundamental knowledge of linear algebra, calculus and probability theory is required to be able to follow the lectures
- The book is available online for free: http://www-bcf.usc.edu/~gareth/ISL/
- Please browse through the book to get an understanding of the complexity of the material covered in this module
Skriptablage:
Modultyp:
Wahlpflicht-Modul für Elektrotechnik STD_05(Keine Semesterempfehlung)
Wahlpflicht-Modul für Elektrotechnik STD_14(Keine Semesterempfehlung)
Wahlpflicht-Modul für Informatik STD_05(Keine Semesterempfehlung)
Wahlpflicht-Modul für Informatik STD_11(Keine Semesterempfehlung)
Wahlpflicht-Modul für Informatik STD_14(Keine Semesterempfehlung)
Wahl-Modul für Data Science STD_14 (PF)
Wahlpflicht-Modul für Informatik Retro STD_14_UG(Keine Semesterempfehlung)
ECTS-Credits pro Kategorie
Technik / 4 Credits
Aufbau Informatik / 4 Credits
Aufbau Informatik / 4 Credits
Grundlagen Informatik und Aufbau Informatik / 4 Credits
Modulbewertung
Bewertungsart:
Note von 1 - 6
Leistungsbewertung
Während der Prüfungssession:
Schriftliche Prüfung, 120 Minuten
Kurse in diesem Modul
Statistical Machine Learning
Kürzel:
ML
Semester:
1
Lernziele:
Knowledge of the statistical machine learning approaches for diverse data sets and the ability to apply the appropriate algorithm for successfully solving a given machine learning problem.
Plan und Lerninhalt:
- Linear regression
- Classification
- Resampling Methods
- Linear Model Selection and Regularization
- Moving Beyond Linearity
- Tree-Based Methods
- Support Vector Machines
- Unsupervised Learning
The module is based on the excellent and freely available book: "An Introduction to Statistical Learning" from Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani.
Unterrichtssprache:
Deutsch
Kursart:
Durchführung gemäss Stundenplan
Vorlesung mit 2 Lektionen pro Woche
- Max. Teilnehmer: 80
- Harte Grenze: ja
Praktikum mit 2 Lektionen pro Woche
- Max. Teilnehmer: 16
- Harte Grenze: ja