Zeit und Ort:
Alle weiteren Informationen und Materialien zur Vorlesung und zu den Übungen finden sich in Stud.IP.
Betrachtung bekannter Verfahren des maschinellen Lernens für strukturierte und unstrukturierte Daten, sowohl theoretisch aus der Perspektive der mathematischen Statistik, als auch praktisch durch Arbeiten an realen Datensätzen. Das Finden passender Lösungsansätze wird vermittelt, Studierende löosen selbstständig angewandte Fragestellungen mittels der Statistik Software R.
Kenntnisse der mathematischen Statistik und grundlegende Konzepte der Wahrscheinlichkeitstheorie, wie sie z.B. in den LV "Wahrscheinlichkeitstheorie", "Statistische Verfahren" oder "Mathematische Statistik". Kenntnisse in R oder Python von Vorteil.