726 Mathematische Methoden der Datenanalyse und des maschinellen Lernens
- Prof. Dr. Christoph Gallus
- Prof. Dr. Christoph Gallus
Mindestens 40 CrP aus den ersten beiden Fachsemestern
Modul 105
Mathematische Methoden der Datenanalyse und des maschinellen Lernens
Ausgewählte mathematische Techniken und Begriffe die über das Pflichtmodul Mathematik (105) hinausgehen, zum Beispiel aus der linearen Algebra: Vektoren, lineare Unterräume, Erzeugendensysteme, Matrizen und deren Eigenwerte.
Ausgewählte Anwendungen wie zum Beispiel
- multivariate lineare Datenregression,
- Modelle zur zeitlichen Entwicklung von Marktanteilen,
- Googles PageRank Algorithmus
Einführung in überwachte und nichtüberwachte maschinelle Lernverfahren: Entscheidungsbäume, clustering, k-nearest Neighbour, Hauptkomponentenanalyse (PCA), lineare Diskriminanzanalyse (LDA), Support Vector Machines (SVM), neuronale Netze, deep Learning
Die Studierenden können mit den Werkzeugen der linearen Algebra sicher umgehen und betriebswirtschaftlich relevante Probleme mathematisch formalisieren. Sie können die mathematischen Begriffe und Methoden formal definieren und inhaltlich erläutern sowie in Übungsbeispielen rechnerisch anwenden. Sie kennen ausgewählte maschinelle Lernverfahren und Konzepte und können diese in einfachen Beispielen anwenden.
• mit mathematischer Notation und Schreibweisen sicher umgehen,
• abstrakte mathematische Begriffe definieren und strukturelle Zusammenhänge erläutern, sowie einfache mathematische Beweise nachvollziehen,
• mit Vektoren, Matrizen und Determinanten sicher rechnen,
• Ansätze für maschinelles Lernen verstehen und Güte von Lernverfahren beurteilen.
• abstraktes Denken zur Problemlösung einsetzen,
• formale Werkzeuge korrekt verwenden
• eigene Lösungen von Übungsaufgaben vorstellen und in der Gruppe kritisch diskutieren,
• sich gegenseitig bei der Lösung von Übungsaufgaben unterstützen.
• sich fehlende formale Kenntnisse auf Basis einschlägiger Webseiten und Fachbücher selbst aneignen.
- 6 CrP
- Arbeitsaufwand 180 Std.
- Präsenzzeit 60 Std.
- Selbststudium 120 Std.
- 4 SWS
- Seminar
- Betriebswirtschaft (B.Sc. 2021) - 5. - 6. Semester
Ja
Bonuspunkte werden gemäß § 9 (4) der Allgemeinen Bestimmungen vergeben. Art und Weise der Zusatzleistungen wird den Studierenden zu Veranstaltungsbeginn rechtzeitig und in geeigneter Art und Weise mitgeteilt.
Optional Klausur, Seminararbeit, mündliche Prüfung oder Referat (Zu Veranstaltungsbeginn wird rechtzeitig und in geeigneter Art und Weise die jeweilige Prüfungsform bekanntgegeben.)
- De Prado, M. L., Advances in Financial Machine Learning, Wiley, 2018
- Langville, A. N., Meyer, C. D. Google's PageRank and Beyond, Princton, 2012
- Merz,M. M., Wüthrich, W., Mathematik für Wirtschaftswissenschaftler, Vahlen, 2013
- Merz, M., Übungsbuch zur Mathematik für Wirtschaftswissenschaftler, Vahlen, 2013
- Marsland, S., Machine Learning, 2nd edition, CRC Press, Taylor & Francis Group, 2015
Präsentationsfolien, Kompendium mit mathematischen Sätzen und Definitionen. Übungsaufgaben
Rechtliche Hinweise
- Diese Informationen geben den in den Online-Diensten für Studierende erfassten Datenbestand wieder.
- Die rechtskräftigen und damit verbindlichen Fassungen der Modulhandbücher finden Sie im Amtlichen Mitteilungsblatt der THM (AMB).
- Alle gültigen Prüfungsbestimmungen für die THM-Studiengänge können Sie außerdem in komfortabler Leseversion über den Downloadbereich auf der Homepage des Prüfungsamts einsehen.