Ziel dieser Vorlesung ist es, zu verstehen, wie maschinelles Lernen (ML) und neuronale Netze funktionieren. Dazu wird eine Einführung in ML gegeben, und es wird gezeigt, wie ein typisches ML-Problem formuliert und gelöst wird. Es werden die grundlegenden Konzepte sowie die algorithmischen Ansätze erläutert und hergeleitet, auf denen maschinelles Lernen basiert. Zudem werden neuronale Netze eingeführt und ihr Aufbau sowie ihre Funktionsweise von Grund auf erklärt. Alle Konzepte werden anhand konkreter Beispiele veranschaulicht, um die Theorie praxisnah zu vermitteln. Das Ziel ist, dass jeder nachvollziehen kann, was in ML und neuronalen Netzen steckt und wie sie funktionieren.
---
Die Vorlesung führt in informationstechnische und statistische Grundlagen der Data Science ein. Sie ist Teil eines zweisemestrigen Zyklus zu "Datenwelten". Im Sommersemester folgt eine zweite Vorlesung, die sich Datenethik, Datenrecht und erkenntnistheoretischen Reflektionen auf eine "verdatete" Welt befassen wird.
Beide Vorlesungen werden von interdisziplinär zusammengesetzten Teams von Lehrenden gehalten, um unterschiedliche Perspektiven auf Data Science, unterschiedliche Fragestellungen und Problemsichten einzubringen und aufeinander zu beziehen.
Studierende entwickeln dabei ein Grundverständnis folgender Inhalte:
* Funktionsweise der informationstechnischen Systeme, die in weiten Teilen unseren Alltag (mit-)gestalten
* Das technische und soziale Zusammenspiel dieser Systeme bei der Erhebung, Aufbewahrung und Nutzung von Daten
* Einfache statistische Verfahren zur Datenanalyse
* Verfahren aus dem Bereich des maschinellen Lernens (Classification, Regression, Clustering)
* Elementare Einführung in Neuronale Netze und ihre Anwendungen in der Bild- und Sprachverarbeitung
This video may be embedded in other websites. You must copy the embeding code and paste it in the desired location in the HTML text of a Web page. Please always include the source and point it to lecture2go!
