Veranstaltung

Goldberg, David E. (2001)
Genetic Algorithms in Search, Optimization and Machine Learning.
Addison-Wesley, New York.

Bishop, Christopher M. (2006)
Pattern Recognition and Machine Learning.
Springer, New York.

Goodfellow, Ian; Bengio, Yoshua; Courville, Aaron (2016)
Deep Learning.
MIT Press. Cambridge.

Lehrinhalt:

Die Lehrveranstaltung besteht aus einer kurzen Einleitung und zwei Teilen:

1. In der Einleitung werden die biologischen Mechanismen
   von neuronalen und genetischen Verfahren vorgestellt.
   Außerdem wird ein gemeinsamer Rahmen für die Evaluation
   des Lernerfolges der Verfahren in Anwendungen eingeführt.
2. Im Bereich der neuronalen Verfahren werden die Basisalgorithmen
   (z.B. Backpropagation) und ihre Anwendungen im Data Science
   vorgestellt.
3. Im Bereich der genetischen Verfahren werden einfache genetische
   Algorithmen und ihre Varianten vorgestellt und angewendet.

Lernziele:

Der Student kennt die wesentlichen Algorithmen und Lernverfahren
für neuronale Netze und genetische Algorithmen und er kann diese
Verfahren (z.B. in R) praktisch anwenden und ihre Qualität
beurteilen.

Arbeitsaufwand:

Gesamtaufwand bei 4,5 Leistungspunkten ca. 135 Stunden:

Präsenzzeit

• Besuch der Vorlesung: 15 x 90min = 22h 30m
• Besuch der Übung: 7 x 90min = 10h 30m
• Prüfung: 1h 00m

Selbststudium

• Vor-/Nachbereitung der Vorlesung: 15 x 180min = 45h 00m
• Vorbereitung der Übung: 25h 00m
• Vorbereitung der Prüfung: 31h 00m

Summe: 135h 00m