Einführung in Datenanalyse und maschinelles Lernen in der Physik
Übersicht
Datenanalyse gehört zu den Kernelementen in der Physik. Gleichzeitig sind
Methoden maschinellen Lernens extrem erfolgreich in Bereichen wie Bilderkennung,
Sprachverarbeitung und medizinische Diagnose. Auch in der Physik kommen Methoden
maschinellen Lernens immer stärker zum Einsatz. Dieser Kurs gibt eine
praktische Einführung in beide Themen.
- Dozenten: Martino Borsato, Jörg Marks, Klaus Reygers
- Es wird noch geklärt, ob der Kurs vollständig in Präsens oder teilweise virtuell durchgeführt wird.
- Datum: 11.4. - 14.4.2022, jeweils 9:00-12:00 Uhr und 14:00-17:00 Uhr
Inhalt
- Fitten von Daten
- Überblick: Maschielles Lernen
- Lineare Modelle, logistische Regression
- Boosted Decision Trees
- Neuronale Netzwerke
Programmiersprache
In diesem Kurs verwenden wir Python 3. Grundlegende Kenntnisse der Sprache
werden für diesen Kurs vorausgesetzt. Wir werden viel mit
jupyter-Notebooks arbeiten. Ein schöne
Zusammenstellung
wichtiger Python-Befehle gibt auf der Seite des Stanford-Kurses CS231n.
Im Bereich maschinellen Lernens werden wir die Module
scikit-learn
und
Keras
verwenden.
Zielgruppe
Studierende mit Python Vorkenntnissen. Der Kurs ist im Bachelor- und
Masterstudiengang Physik (Wahlmodule) anrechenbar und bringt 2 Leistungspunkte.
Teilnahmevoraussetzungen
Sie benötigen zur Teilnahme einen Computer/Laptop mit einem Betriebssystem
Ihrer Wahl, einen akutellen Web-Browser und einen User-id im CIP Pool der
Fakutät für Physik. Wir werden den Jupyter-Hub
jupyter2.kip.uni-heidelberg.de
des CIP-Pools verwenden. Außerdem werden zur Kommunikation Kamera, Mikrofon und
Lautsprecher benötigt.
