Wissenschaftliche Datenanalyse

Wesentliche Konzepte im Bereich der wissenschaftlichen Analyse von experimentellen Daten werden in der Veranstaltung vorgestellt. Die Studierenden erhalten einen Einblick in die Strategien zur Analyse umfangreicher Datensätze sowie deren korrekte Interpretation. Schwerpunkt sind aktuelle Verfahren aus dem Bereich des Maschinellen Lernens. Eine praktische Einführung in den folgenden Themen wird angeboten:
·      Maschinelles Lernen: System Design
·      Merkmalsextraktion und -generierung
·      Lineare und logistische Regression, Gradientenverfahren
·      Neuronale Netze
·      Support Vector Machines
·      Clusteranalyse: K-Means, Hierarchical Clustering, DBSCAN und Nuclear Potential Clustering (entwickelt am RAC)

Sprache: Englisch

Prüfungsleistung: Projektarbeit (einzeln oder in kleinen Gruppen, 2-3 Personen)