Bei Interesse an diesem Seminar bitten wir mit den Veranstaltern (Email: lemm@uni-muenster.de) bis zu Beginn des Semesters Kontakt aufzunehmen, da eventuell die Vorbesprechung und Vorträge als Zoom-Konferenz stattfinden.
In dem Seminar werden Grundlagen, Verfahren und Anwendungen des maschinellen Lernens vorgestellt. Vermittelt werden soll insbesondere ein Verständnis für "induktives Lernen", für die Gefahren eines sogenannten „Overfittings” und die Notwendigkeit vorhandene empirische Daten durch „A-Priori-Informationen” oder „Regularisierungen” zu ergänzen. Das Seminar richtet sich insbesondere an Studierende des Faches Physik, ist aber auch für Studierende anderer Fachrichtungen offen.
In Vorträgen behandelt werden können, je nach Interesse und Hintergrund der Teilnehmer, beispielsweise neuronale Netze und Deep-Learning-Architekturen, Entscheidungsbäume und Random Forests bzw. Gradient-Boosting-Verfahren, Methoden der Bayesschen Statistik und Monte-Carlo-Verfahren, gegebenenfalls auch mit entsprechenden Anwendungen in den Programmiersprachen R oder Python, z.B. für die Higgs Boson Machine Learning Challenge oder aus der Bilderkennung.
- Lehrende/r: Jörg Lemm
- Lehrende/r: Christian Wieczerkowski