Statistisches Lernen 2 Lab

Niveau der Lehrveranstaltung/des Moduls laut Lehrplan

Masterstudium

Lernergebnisse der Lehrveranstaltung/des Moduls

Folgende Kompetenzen werden in der Lehrveranstaltung erarbeitet:

- Die Studierenden können weiterführende Algorithmen der Data Science praktisch nachvollziehen.
- Die Studierenden können weiterführende Algorithmen der Data Science für spezifische Einsatzzwecke konfigurieren.
- Die Studierenden können die behandelten Algorithmen in isolierten Problemstellungen anwenden.

Voraussetzungen laut Lehrplan

Modulprüfung MLAL.A1 (Algorithmik 1)

Lehrinhalte

Im Lab werden die Inhalte der ILV "Statistisches Lernen 2" mit Hilfe von praktische Übungen vertieft. Die dabei gewonnenen Erkenntnisse werden in der Gruppe diskutiert und erlauben so einen tiefen Einblick in die Materie und eine Festigung des Wissens, das in der ILV theoretisch vermittelt wurde.

empfohlene Fachliteratur

PRIMÄRLITERATUR:
- Murphy, K. P. (2012): Machine Learning: A Probabilistic Perspective (Ed. 1), MIT Press, Cambridge (ISBN: 978-0-262-01802-9)
- Bishop, C. (2006): Pattern Recognition and Machine Learning (Ed. 1), Springer-Verlag, New York (ISBN: 978-0-387-31073-2)

SEKUNDÄRLITERATUR:
- James, G.; Witten, D; Hastie, T.; Tibshirani, R. (2013): An Introduction to Statistical Learning: with Applications in R (Ed. 1), Springer Science & Business Media, New York (ISBN: 978-1-461-471387)
- Steele, B.; Chandler, J.; Reddy, S. (2016): Algorithms for Data Science (Ed. 1), Springer, Berlin (ISBN: 978-3319457956)