Maschinelles Lernen beeinflusst schon heute unsere Lebenswirklichkeit auf vielfältige Art und Weise. Die Bandbreite der Anwendungen reicht von automatischen Vorschlagssystemen in Internetportalen, über Spam-Filter in E-Mail Programmen sowie automatische Übersetzung und Spracherkennung bis hin zu Aspekten des autonomen Fahrens oder der Dominanz von KI-Algorithmen basierend auf Maschinellem Lernen in Spielen wie Schach oder Go. Gleichzeitig ist die Mannigfaltigkeit existierender ML Methoden schon jetzt komplex und stetig wachsend. Dieser Vortrag thematisiert das überwachte Lernen (englisch: supervised learning). Dabei wird auf Konzepte wie Kernel-Methoden, Gauss'sche Prozesse und Neuronale Netze eingegangen. Es wird die maßgebliche Rolle von numerischer Optimierung und Konzepten dynamischer Systeme für das Verständnis aktueller Methoden des maschinellen Lernens aufgezeigt. So wird am Beispiel tiefer neuronaler Netze aufgezeigt, dass essentielle Konzepte wie back propagation und Realisierbarkeit intuitiven system-theoretischen Interpretationen zugänglich sind. Abschließend und ausblickend wird auf offene Probleme und aktuelle Forschungsfragen eingegangen.

Der Vortrag wird als MS Teams-Meeting online für alle KIT-Angehörige mit KIT-Account im Team „INFORMATIK-Vorträge“ angeboten.
Wenn Sie noch nicht Mitglied in diesem Team sind, klicken Sie auf diesen Link
https://connect.studium.kit.edu/teams/join/LZrF49xrz8
Geben Sie auf Aufforderung Ihren KIT-Account ein und Sie werden automatisch dem MS Team hinzugefügt.

Das Meeting beginnt ca. 10 min vor Beginn des Vortrags im MS Team „INFORMATIK-Vorträge“. Klicken Sie im Kanal „Allgemein" auf „Teilnehmen“. Schalten Sie bitte Ihr Mikrofon aus.