Digicampus
Seminar: Seminar zur Stochastik (Master) - Details
You are not logged into Stud.IP.
Lehrveranstaltung wird online/digital abgehalten.

General information

Subtitle Maschinelles Lernen
Course number MTH-1410
Semester WS 2018/19
Current number of participants 1
expected number of participants 10
Home institute Rechnerorientierte Statistik und Datenanalyse
participating institutes Institut für Mathematik
Courses type Seminar in category Teaching
First date Thu , 16.08.2018 23:59 - 23:59
Participants Studiengänge Mathematik, Wirtschaftsmathematik oder Mathematical Analysis and Modelling Master
Pre-requisites Programmiererfahrung in einer beliebigen Programmiersprache
Kenntnisse in Statistik
Kenntnisse in nichtlinearer Optimierung
Learning organization Das Seminar wird als Blockseminar vor Beginn der Vorlesungszeit stattfinden
Die Themenvergabe findet ausschließlich am Termin der Vorbesprechung statt. Es werden maximal 5 Themen vergeben, eine Anmeldung ist nur in Zweiergruppen möglich.
Performance record Es besteht pro Gruppe aus den folgenden abzugebenden Bestandteilen (Abgabe spätestens 14 Tage vor Vortrag)
• einem 45-60minütigen Vortrag (Folien bzw. Tafelkonzept),
• einer schriftlichen Ausarbeitung (ca. 12 bis 20 Seiten), und
• einer Implementierung
Online/Digitale Veranstaltung Veranstaltung wird online/digital abgehalten.
Hauptunterrichtssprache deutsch
Literaturhinweise ausgewählte Buchkapitel (deutsch/englisch)
Miscellanea Die Vorbesprechung und Themenvergabe erfolgt am Dienstag, den 10.07.2018 um 15:45 Uhr im Raum 1009.
Sollten Sie zum Vorbesprechungstermin verhindert sein, jedoch am Seminar teilnehmen wollen, so melden Sie sich bitte unverbindlich bis zum 09.07.2018 per E-Mail „maximilian.klein@math.uni-augsburg.de“ an.
ECTS points 6

Course location / Course dates

n.a Thu , 16.08.2018 23:59 - 23:59
Thu , 20.09.2018 23:59 - 23:59
(L1-3008) Thursday. 04.10.18 09:00 - 12:00

Module assignments

Comment/Description

Im Seminar werden verschiedene Verfahren des maschinellen Lernens anhand eines Bilddatensatzes behandelt. Als Bilddaten liegen Nahaufnahmen der Kopfhaut vor; Ziel ist eine Klassifizierung, ob Haarwurzeln im Bildausschnitt vorhanden sind oder nicht.
Die Seminarteilnehmer sollen in 2er-Gruppen sowohl die theoretischen Grundlagen einer konkreten Methode anhand der Literatur erarbeiten, als auch die Methode praktisch auf den gegebenen Daten anwenden. Als mögliche Verfahren kommen in Frage: Support Vector Machines, Random Forests, k-Nearest Neighbours, Neural Networks, oder z.B. GLM.

Admission settings

The course is part of admission "Anmeldung gesperrt (global)".
Settings for unsubscribe:
  • Admission locked.

Registration mode

After enrolment, participants will manually be selected.

Potential participants are given additional information before enroling to the course.