Helmholtz Virtual ML Summer School 2020

Programm

21.09.

• Begrüßung und Eröffnung durch Fabian Theis
• ML Basics
• Supervised regression

22.09.

• Supervised regression

23.09.

• HIDA virtual career day

24.09.

• Supervised Classification

25.09.

• Keynote von Bernd Bischel on mlr3
• Supervised Classification

28.09.

• Evaluation

29.09.

• Helmholtz AI showcase von Dominik Thalmeier: "Using anomaly detection to identify mutations that effect hearing behaviour"
• Trees
• Random Forests

30.09.

• Trees
• Random Forests

01.10.

• Tuning
• Helmholtz AI showcase von Christian L. Müller:"Sparse predictive modeling of microbiome data"

02.10.

• Practical Advice

Kursprofil

Der Schwerpunkt des Kurses liegt darauf, ein grundlegendes Verständnis der verschiedenen Algorithmen, Modelle und Konzepte zu vermitteln und gleichzeitig die notwendigen mathematischen Grundlagen zu erläutern.

Die Teilnehmer erwerben sowohl theoretische als auch praktische Kompetenzen in Bezug auf einige grundlegende Modelle des Lernens aus Daten. Außerdem werden die Teilnehmer befähigt, ein Datenanalyseprojekt durchzuführen, um die Vor- und Nachteile der verschiedenen Methoden kritisch zu beurteilen.

Live-Meetings und Gruppenarbeiten (außer am 23. September) finden von 13.00 bis 16.30 Uhr statt.

Es wird erwartet, dass die Kursmaterialien (Videos, Quizze, Online-Übungen) zur Vorbereitung auf die Live-Sitzungen eigenständig und im eigenen Tempo vorbereitet werden. Die Live-Meetings und Gruppenarbeiten dienen dazu, die erlernten Konzepte in die Praxis umzusetzen.

Einige Wochen vor Kursbeginn erhältst Du Zugang zu den Kursmaterialien. Teile Dir Deine Lernzeit selbst ein: Du kannst einzelne Theman am Vormittag vor den Meetings am Nachmittag vorbereiten oder in den Wochen vor Kursbeginn.

Voraussetzungen

Der Kurs richtet sich an ML-Anfängerinnen und -Anfänger mit Grundkenntnissen, Universitätsniveau, Ausbildung in Mathematik und Statistik:

• Grundlegende lineare Algebra: Vektoren, Matrizen, Determinanten
• Einfache Rechnung: Ableitungen, Integrale, Gradienten
• Etwas Wahrscheinlichkeitstheorie: Wahrscheinlichkeit, Zufallsvariablen, Verteilungen
• Grundkenntnisse der Statistik
• (Lineare) Modellierung aus der Perspektive der Statistik ist hilfreich, aber nicht erforderlich.
• Grundkenntnisse von R

Kurssprache: Englisch

Lehrende

Bernd Bischl (LMU München, MCML)
Tobias Pielok (LMU München)
Heidi Seibold (Helmholtz AI)

Show Cases

Christian L. Müller (Helmholtz AI, HMGU München, LMU München, Flatiron Institute New York)
Dominik Thalmeier (Helmholtz AI)

Kurskonzept und Lernmaterialen

Das Programm der Helmholtz Virtual ML Summer School baut auf dem Kursprogramm Introduction to Machine Learning (12ML)auf, das von Bernd Bischl, Fabian Scheipl, Heidi Seibold, Christoph Molnar und Daniel Schalk entwickelt wurde. Konzept und Materialien sind unter Creative Commons Attribution 4.0 International (CC BY 4.0) frei zugänglich. Wenn Du den Kurs verwendest, freuen sich die Initiatoren über Rückmeldung!

Anmeldung

Anmeldeschluss war der 31.07.2020.

Anmeldungen, die Nachträglich bei uns eingingen wurden automatisch auf die Warteliste gesetzt. Die Nachfrage war sehr hoch, darum werden wir uns bemühen in Zukunft weitere Veranstaltungen dieser Art anbieten zu können.

Schicke uns eine Email an hida-courses@helmholtz.de, falls Du an vergleichbaren Angeboten teilnehmen möchtest und teile uns mit, zu welchen Information & Data Science Themen du Dich weiterbilden willst!

Abonniere den HIDA-Newsletter, um künftig über unsere Aktivitäten informiert zu sein.

MUDS, Helmholtz AI und HIDA sind Teil des Helmholtz-Inkubator Information & Data Science.