Arcadia AI – Master-Studiengang
DE
РусскийO'zbekchaEnglishDeutschSrpskiहिन्दी
Studiengang  /  Semester 1 — AI Foundations
Kurs

Classic ML, Einführung in Deep Learning

Von linearen Modellen zu neuronalen Netzen: klassisches ML und erste Schritte im Deep Learning

NSDNYL
Nikita Severin, Dmitry Nesterov, Yaroslav Leonov
Zusammensetzung der Lehrenden wird noch abgestimmt

Über den Kurs

Der Kurs vermittelt ein durchgängiges Verständnis des maschinellen Lernens — von Regression und SVM bis zu Convolutional und rekurrenten Netzen. Besonderes Augenmerk liegt auf der Generalisierungstheorie, dem Bias-Variance-Tradeoff und einer korrekten Modellvalidierung. Der Kurs schafft eine gemeinsame Sprache und experimentelle Grundlage für alle folgenden Module des Studiengangs.

Was Sie lernen

✓Klassische ML-Modelle mit begründeter Wahl der Hyperparameter erstellen und validieren
✓Neuronale Netze von Grund auf implementieren und dabei die Rolle jeder Trainingskomponente verstehen
✓Underfitting und Overfitting diagnostizieren und passende Regularisierungstechniken anwenden
✓Algorithmen anhand theoretischer und empirischer Generalisierungseigenschaften vergleichen

Kernthemen

•Lineare und logistische Regression; Regularisierung (Ridge, Lasso, ElasticNet)
•Gütemetriken: Klassifikation, Regression, Ranking
•Entscheidungsbäume, Ensemble-Methoden (Random Forest, Gradient Boosting)
•SVM und Kernel-Methoden
•Generalisierungstheorie: VC-Dimension, PAC-Lernen
•Backpropagation und automatische Differenzierung
•Convolutional Neural Networks (CNN): Architekturen, Pooling, Transfer Learning
•Rekurrente Netze (RNN, LSTM, GRU)
•Normalisierung (Batch Norm, Layer Norm), Dropout, Early Stopping
Die Beschreibung wurde automatisch generiert und wurde noch nicht von der Lehrperson geprüft – dies ist ein Entwurf zur Diskussion.