Elements of Machine Learning

Ziele

In diesem Kurs werden grundlegende Konzepte des maschinellen Lernens behandelt, wobei der Schwerpunkt auf statistischen Methoden liegt. Der Kurs vermittelt die nötigen Fähigkeiten um für einen gegebenen Datensatz geeignete statistische Methoden für dessen Analyse auszuwählen, anzuwenden, und die Qualität der Resultate zu bewerten. Der Kurs behandelt sowohl sowohl theoretische als auch praktische Aspekte des maschinellen Lernens, legt den Fokus jedoch auf praktische Aspekte. Die Vorlesung folgt im Großen und Ganzen dem Buch “An Introduction to Statistical Learning with Applications in R (2013)”. In einigen Fällen erhält der Kurs zusätzliches Material aus dem Buch The Elements of Statistical Learning, Springer (second edition, 2009). Das erste Buch ist der einleitende Text, das zweite behandelt fortgeschrittenere Themen. Beide Bücher sind als kostenlose PDFs erhältlich. Es wird durchschnittlich eine Vorlesung pro Woche (90 Minuten) und alle zwei Wochen (90 Minuten) ein Tutorium angeboten.

Inhalt

• Introduction to statistical learning
• Overview over Supervised Learning
• Linear Regression
• Linear Classification
• Splines
• Model selection and estimation of the test errors
• Maximum-Likelihood Methods
• Additive Models
• Decision trees
• Boosting
• Dimensionality reduction
• Unsupervised learning