LFU:online

Absolventinnen und Absolventen dieses Moduls erwerben fundierte Kenntnisse über das Modellieren von Daten mit mathematisch-probabilistischen Modellen (siehe Inhalt für Details zu diesen Themen). Sie sind in der Lage, sich kreativ und methodisch korrekt mit diesen Bereichen auseinanderzusetzen, um sich selbstständig weiterzubilden. Insbesondere erwerben sie die Fähigkeit, selbst Modelle, die für einen gegebenen Datensatz geeignet sind, auszuwählen, anzupassen oder selbst zu entwickeln. Für diese Modelle sind sie dann in der Lage, geeignete Lern-/Optimierungsverfahren anzuwenden und/oder zu entwickeln. Sie erwerben zudem die Fähigkeit, die trainierten Modelle für verschiedene Aufgaben zu verwenden.

Es werden probabilistische generative Modelle genauer behandelt. So u.a. deren Definition, Unterteilungen und deren Besonderheiten. Es wird versucht werden eine Reihe von verschiedenen Modellen zu behandeln u.a. Modelle mit kontinuierlichen latenten Variablen, diskreten latenten Variablen, elementare Modelle, hierarchische Modell bis hin zu hybriden Modellen, und es wird eine Vorabbehandlung von sog. tiefen generativen Modellen wie Variational Autoencoders gegeben. Inferenz- und Lernen-Methoden von Parametern aller Modelle sind integraler Bestandteil der Veranstaltung.

Vorlesung, interaktion in der Vorlesung, Übungen einschließlich Herleitungen und Algorithmen-Entwicklung und Implementierung.

Es werden abhängig von der Teilnehmerzahl mündliche Prüfungen durchgeführt oder eine Klausur wird gestellt werden.

Es wird Vorwissen im Maschinellen Lernen vorausgesetzt, wie es z.B. in der Vorlesung (+ Proseminar) "Maschinelles Lernen" erworben wurde. Insbesondere ist das Wissen über verschiedene Wahrscheinlichkeiten (joint, marginal, conditional, posterior distribution) wichtig. Des Weiteren ist Wissen in linearer Algebra und Analysis wichtig, wie es z.B. in begleitenden Vorlesungen der höheren Mathematik erworben wird. 

Verfahren zur Vergabe der Plätze bei Lehrveranstaltungen mit Teilnahmebeschränkung (PS, SE, VU, PJ)

Bei Lehrveranstaltungen mit einer beschränkten Zahl von Teilnehmerinnen und Teilnehmern werden die Plätze wie folgt vergeben:

1. Studierende, denen aufgrund der Zurückstellung eine Verlängerung der Studienzeit erwächst, sind bevorzugt zuzulassen.

2. Reicht Z 1 zur Regelung der Zulassung zu einer Lehrveranstaltung nicht aus, so sind an erster Stelle Studierende, für die diese Lehrveranstaltung Teil eines Pflichtmoduls ist, und an zweiter Stelle Studierende, für die diese Lehrveranstaltung Teil eines Wahlmoduls ist, bevorzugt zuzulassen.

3. Reichen Z 1 und 2 zur Regelung der Zulassung zu einer Lehrveranstaltung nicht aus, so werden die vorhandenen Plätze verlost.

Curriculum BA Informatik 2019W