In dieser Vorlesung werden grundlegende Prinzipien und einfache Algorithmen aus dem Bereich des statistischen Lernens vermittelt. Themen sind u.a.:
Verschiedene Lernprobleme und Ansätze zur Lösung, Grundprinzipien des statistischen Lernens (Satz von Bayes, Entscheidungstheorie, grundlegende Probleme, Evaluation von Ergebnissen), einfache Modelle aus dem Bereich des überwachten und unüberwachten Lernens (Dichteschätzung, Klassifizierung, Clustering), ML im gesellschaftlichen Kontext. Wir gehen auch auf aktuelle Architekturen und Verfahren ein.
