HomeSucheInhaltsübersichtKontaktImpressumDatenschutz
INSTITUT FÜR MEDIZINISCHE INFORMATIK, STATISTIK UND EPIDEMIOLOGIE English Website

Grundlagen des Maschinellen Lernens und der Statistik

Informationen zur Vorlesung

Dozent Prof. Dr. Korbinian Strimmer
Termin Dienstags, 09:15 - 10:45
Raum IMISE, Härtelstr. 16-18, Raum 109

Inhalte

Ziel der Vorlesung ist es, die konzeptionellen Grundlagen des maschinellen Lernes zu verstehen. Ein Großteil der Vorlesung beschäftigt sich mit statistischen Lernverfahren und Informationstheorie.

Besprochende Inhalte:
  • Zufallsvariablen und Wahrscheinlichkeitstheorie
  • Stochastische Modellierung
  • Entropy und Information
  • Maximum likelihood und Bayesianische Inferenz
  • Clustering und Klassifikation
  • Resampling Verfahren (Bootstrap und MCMC)
  • Modellwahl und Hypothesentesten
  • Hochdimensionale Statistik und Regularisierung
  • Analyse räumlich-zeitlich korrellierter Daten

Die Umsetzung und Anwendung dieser Verfahren mit Hilfe der R Programmiersprache wird parallel zur Einführung in die theoretischen Grundlagen erläutert.

Weitere Informationen

Weitere Informationen zur Vorlesung finden Sie unter: http://strimmerlab.org/courses/ws09/machine-learning/index.html.

Letzte Änderung: 23.04.2015Redakteur: Zeit: 0,022 s