Ziel dieses Kurses ist Erwerb Grundkenntnisse des Umgangs mit Datensätzen (Data Science) mit Elementen der Statistik sowie des Aufbaus automatisierter Lernverfahren (Machine Learning) mit Elementen Künstlicher Intelligenz und deren Anwendung in der Physik.
Inhalte: Mathematische Statistik einer und mehrer Variablen sowie Zeitreihen; stochastische Prozesse; Erstellung probabilistischer Modelle und Parameterschätzung; lineare und nichtlineare Regression; Datenverarbeitung; datengetriebene Modellbildung via Bayessche Inferenz: Umgang mit Unsicherheit und kontinuierliches Lernen;
Maschinelles Lernen: überwachtes vs unüberwachstes Lernen, Klassifikation und Clustering; logistische Regression und neuronale Netze; Generalisierung und Overfitting; Modellwahl und Dimensionalitätsreduktion; Modelloptimierung: Loss-Funktion und Regularisierung; Modelllvalidierung; Anwendungen an physikalischen Datensätzen;
Ausblick: Analyse dynamischer Informationen in komplexen Systemen
Voraussetzungen: Grundkenntnisse in Mathematik und Programmierung in Python werden vorausgesetzt. Diese Lehrveranstaltung wird durch Computerpraktikum ergänzt, in dem Umgang mit Daten sowie die Anwendung der Methoden geübt wird und durch kleines Projekt zu physikalisch motiviertem Problem abgeschlossen wird. Aktive Teilnahme wird erwartet.
- verantwortliche Lehrperson: Nikodem Szpak