Es wird eine Einführung in die Theorie des algorithmischen und statistischen Lernens gegeben. Dabei sollen die Schwerpunkte in den folgenden Bereichen liegen: Grundbegriffe des maschinellen Lernens, Lernen und Generalisierung, Konvergenz von Lernverfahren, PAC-Lernen und VC-Dimension, Maschinelle Lernverfahren (Neuronale Netze, Support-Vektor-Maschinen, Entscheidungsbäume).

Vorlesung:  Di 14:00-16:00 Uhr, Raum 123
Übung:        Do 12:00-14:00 Uhr, Raum 123

Skript zur Vorlesung

Vapnik: Statistical Lerning Theory
Anthony and Biggs Computational Learning Theory
Cherkassky and Mulier: Learning from Data

Blatt 1

Blatt 2

Blatt 3

Blatt 4

Blatt 5

Blatt 6

Blatt 7