Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

270087 VO Machine Learning von Molekülen und Materialien (2024W)

4.00 ECTS (2.00 SWS), SPL 27 - Chemie
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Für diese LV an-/abmelden

Details

max. 24 Teilnehmer*innen
Sprache: Deutsch

Prüfungstermine

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Vorbesprechung am 1.10. um 13-14 Uhr im PC Pool (Währinger Str. 17, 2nd floor)
Vorlesungen jeden Dienstag (ab 8.10.) um 13:00-14:30 Uhr Seminar room 1 (Währinger Straße 42),

Übungen jeden Montag (ab 7.10.) um 10-12 im PC Pool (Währinger Str. 17, 2nd floor)

  • Dienstag 08.10. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
  • Dienstag 15.10. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
  • Dienstag 22.10. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
  • Dienstag 29.10. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
  • Dienstag 05.11. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
  • Dienstag 12.11. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
  • Dienstag 19.11. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
  • Dienstag 26.11. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
  • Dienstag 03.12. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
  • Dienstag 10.12. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
  • Dienstag 17.12. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
  • Dienstag 07.01. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
  • Dienstag 14.01. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
  • Dienstag 21.01. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
  • Dienstag 28.01. 13:00 - 14:30 Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Die Unterrichtssprache ist Englisch.

Der Fokus der VO is die Besprechung/Herleitung von Algorithmen. Die Anwendung findet in der UE statt.

Dieser Kurs bietet eine umfassende Einführung in das maschinelle Lernen und behandelt die grundlegenden Konzepte und Techniken, die in diesem Bereich verwendet werden. Die Studenten werden supervised und non-supervised Methoden des maschinellen Lernens kennen lernen, einschließlich Regression, Klassifizierung, Clustering und Dimensionalitätsreduktion. Zu den wichtigsten Themen gehören Overfitting, Modellauswertung und die Balance zwischen Bias und Varianz.

Der Kurs befasst sich auch mit fortgeschrittenen Methoden wie neuronalen Netzen und probabilistischen Ansätzen. Praktische Übungen ermöglichen es den Studierenden, verschiedene Algorithmen des maschinellen Lernens unter Verwendung gängiger Python Packages zu implementieren und zu erproben. Am Ende des Kurses werden die Studierenden mit dem Wissen und den Fähigkeiten ausgestattet sein, um reale Probleme des maschinellen Lernens anzugehen und die Prinzipien hinter den verwendeten Algorithmen zu verstehen.

Die praktischen Übungen finden im Rahmen von 270095-1 statt. Der Besuch der Vorlesung ohne die Übung ist nicht zu empfehlen.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Die Leistung wird am Ende des Semesters durch eine mündliche Prüfung erbracht.

Mindestanforderungen und Beurteilungsmaßstab

Es werden grundlegende Kenntnisse vorausgesetzt in:
- Mathematik (z.B. Matrixmultiplikation, Berechnung von Ableitungen)
- Python oder anderer Programmiersprache (z.B. durch Kurse wie "Computergestützte Datenverarbeitung" oder "Programmieren in C/Fortran/Python")

Es wird keine Teilleistungen geben. Die VO wird auf der Basis einer einzigen, mündlichen Prüfung benotet. Eine Leistung, die zeigt, dass man die in der Vorlesung besprochenen Grundlagen verstanden hat, wird positiv benotet.

Prüfungsstoff

Inhalt der Vorlesung.

Literatur

- Vorlesungsskript

Alternativ:
- C. Bishop, Pattern recognition and machine Learning
- https://www.deeplearningbook.org/
- Forschungsartikel

Zuordnung im Vorlesungsverzeichnis

CH-MAT-01, WD3, Design

Letzte Änderung: Di 28.01.2025 14:46