PDF

MODULBESCHREIBUNG

Mathematical Foundations for Machine Learning

Kurzzeichen:
M_MathFML
Durchführungszeitraum:
FS 2019 - FS 2019
ECTS-Punkte:
4
Lernziele:

The goal of this course is to provide students with the necessary mathematical tools in linear algebra, multidimensional calculus, special functions, probabilistic and numerical methods to learn and understand machine learning algorithms as being taught in subsequent courses at HSR.

Verantwortliche Person:
Oliver Augenstein
Empfohlene Module:
-
Zusätzlich vorausgesetzte Kenntnisse:

Since this module is taught in English, an adequate command of the English language is required

Modultyp:
Standard-Modul für Elektrotechnik (Bachelor 14) (Keine Semester Empfehlung)
Standard-Modul für Informatik (Bachelor 14) (Empfohlenes Semester: 4)
Standard-Modul für Data Engineering & Machine Intelligence (Bachelor 14)

ECTS-Punkte pro Kategorie

Kategorie:
Elektrotechnik (Bachelor 14)
Mathematik / 4 Punkte
Informatik (Bachelor 14)
Mathematik / 4 Punkte
Data Engineering & Machine Intelligence (Bachelor 14)
Kernmodule Informatik Profile / 4 Punkte

Modulbewertung

Bewertungsart:
Note von 1 - 6

Leistungsbewertung

Während der Prüfungssession:
Schriftliche Prüfung, 120 Minuten
Zulassungsbedingungen zur Prüfung:
 

Während des Semesters:
 
Bewertungsart:
keine Note oder Wertung

Kurse in diesem Modul

Mathematical Foundations for Machine Learning

Kürzel:
MathFML
Lernziele:

The goal of this course is to provide students with the necessary mathematical tools in linear algebra, multidimensional calculus, special functions, probabilistic and numerical methods to learn and understand machine learning algorithms as being taught in subsequent courses at HSR.

Plan und Lerninhalt:
  • Introduction to multivariable calculus
  • Analytical and numerical methods to deal with multivariate and constrained optimization problems
  • Summary of special functions and statistical methods which are heavily used in the domain of machine learning
  • Selected topics from linear algebra (e.g. symmetric matrices and rotation matrices, coordinate transformations, eigenvalues and eigenvectors, scalar product, norm, tensors)
Kursart:
Vorlesung mit 3 Lektionen pro Woche
Uebung mit 1 Lektionen pro Woche
Beschreibung erzeugt: 2018-10-02 07:09:37
Letzte Moduländerung: 2018-01-10 07:17:35
Modul-Id: 31614
Status: aktiviert