Einführung in das maschinelle Lernen
Kursbeschreibung
| Studiengang | Modulkürzel | Leistungs- bewertung |
Modul- voraussetzungen |
|---|---|---|---|
| BA-2010 | FF-SM | 6 LP | ICL, FF-FM |
| BA-2026[100%|75%|50%] | FF-ML | 6 LP | ICL, FF-M |
| BA-2026[25%] | MS-CL II | 6 LP | ICL, FF-M, P II |
| Dozenten/-innen | Stefan Riezler |
| Veranstaltungsart |
|
| Sprache | Deutsch |
| Erster Termin | 15.10.2026 |
| Übung | Di, 11:15–12:45, INF 289 / SR 2+3 |
| Vorlesung | Do, 14:15–15:45, INF 289 / HS 2+3 |
| Tutorium | Di, 14:15–15:45, INF 346 / SR 10 |
Teilnehmerkreis
Alle CL Bachelorstudierende. Studierende des BSc Informatik, MSc Data and Computer Science, BSc Mathematik und MSc Scientific Computing, die Computerlinguistk als Anwendungsgebiet gewählt haben. Alle anderen Studierenden sind nur als Hörende zugelassen.
Teilnahmevoraussetzungen
Modulvoraussetzungen
Leistungsnachweis
- Bearbeitung der Übungsaufgaben
- Klausur
- Regelmäßige Teilnahme an Vorlesung und Übung wird empfohlen
Inhalt
Die Vorlesung stellt zentrale Konzepte des statistischen maschinellen Lernens vor, und exemplifiziert diese anhand einfacher Aufgaben aus der automatischen Sprachverarbeitung. Der Fokus der Vorlesung liegt einerseits auf der Vermittlung theoretischer Fundamente maschinellen Lernens, andererseits auf der praktischen Umsetzung in effiziente Lernalgorithmen.
Mögliche Themenbereiche der Vorlesung sind:
- Loss/Risk-Funktionen
- Optimierung
- Regularisierung
- Lineare/Nicht-Lineare Modelle
- Online/Batch Algorithmen
Literatur
- Abney (2008). Semisupervised Learning. Chapman & Hall.
- Kulkarni, Harman (2011). An Elementary Introduction to Statistical Learning Theory. Wiley.
- Hastie, Tibshirani, Friedman (2011). The Elements of Statistical Learning. Data Mining, Inference, and Prediction. Springer.
- Kevin Murphy (2012). Machine Learning. A Probabilistic Perspective. MIT Press.
- Kyunghyun Cho (2015). Natural Language Understanding with Distributed Representations. Lecture Notes.
- Ian Goodfellow, Yoshua Bengio, Aaron Courville (2016). Deep Learning. MIT Press.
- Sutton & Barto (2018). Reinforcement Learning. An Introduction.
