Einführung in Datenanalyse und maschinelles Lernen für Physiker (WS 2026/27)
Diese Kombination aus Vorlesung und Übungen vermittelt einen Einblick
in die Grundlagen der Datenanalyse und des maschinellen Lernens.
Moderne Toolkits, wie scikit-learn und TensorFlow/Keras, erlauben einen Zugriff auf viele verschiedene Machine Learning Algorithmen, Konfigurations- und
Kontrollwerkzeuge über ein Python Interface.
Methoden des maschinellen Lernen sind sehr erfolgreich in den Bereichen
Bild- und Spracherkennung, in der Robotik und Automation, sowie in der
Medizin. In der Physik erlangt maschinelles Lernen eine zunehmend große
Bedeutung im Zusammenhang mit Datenanalyse Methoden.
Der Schwerpunkt dieses Kurses liegt
auf einer technischen Einführung in Datenanalyse Techniken und maschinelles Lernen mit Programmbeispielen
und Übungen.
Weil das Interface zu den Machine Learning Werkzeugen pythonbasierend ist,
werden in diesem Kurs Python Kenntnisse vorausgesetzt!
Kurszeiten und Veranstaltungsort
In einem Blockkurs (5.10. - 9.10.2026) von 9 - 12 Uhr und 13:30 - 16:30 Uhr im CIP Pool des Physikalischen Instituts (CIP Pool INF 226 1.305).
Bitte beachten Sie, das ein
eigener Laptop vorteilhaft ist.
Zielgruppe
Bachelor und Master Studierende mit Python Kenntnissen (oder guten C++ Kenntnisse).
Der Kurs ist im Bachelor- und Masterstudiengang Physik (Überfachliche Kompetenzen)
anrechenbar und bringt 2 Leistungspunkte.
Max Anzahl der Teilnehmer
16 entsprechend der Zahl der Plätze in der Glasbox im Physikalischen
Institut (INF226). Sollten alle Plätze belegt sein, kontaktieren sie den Dozenten, um sich in eine Reserveliste eintragen zu lassen. Es gibt vermutlich wie in allen Kursen 'noshows'.
Eine Voranmeldung ist notwendig und erfolgt über heiCO unter der
Veranstaltungsnummer 1300281413 und link . Im &Uuuml;bungsgruppenportal ist der Kurs unter folgendem
Link sichtbar.
Teilnahmevoraussetzungen
Sie benötigen zur Teilnahme einen Computer/Laptop mit einem Betriebssystem Ihrer Wahl, einen akutellen Web-Browser, einen ssh Klienten und einen User-id im CIP Pool der Fakutät für Physik. Wir werden den Jupyter-Hub der Fakultlät für Physik (
jupyter3.kip.uni-heidelberg.de),
google colab oder
Ihre lokale Python 3 Installation unter
anaconda verwenden.
Programm
Ein detailliertes Programm und Informationen wird es zu Beginn des Kurses
geben (
siehe).
Zur Installation einer Kurs Arbeitsumgebung werden wir Anaconda3 benutzen. Eine Anleitung zur Installation der für den Kurs notwendigen Software Komponenten
findet sich im file
anaconda3SetupHints.pdf.
Eine Installation vor Beginn des Kurses wäre wunschenswert.
Einführung
Datenanpassung
Multivariate Analyse
Machine Learning Einführung
Decision Trees
Convolutional Neural Networks
Transformer
Leistungsnachweis
Kriterien für einen Leistungsnachweis sind:
Anwesenheit und aktive Mitarbeit während des Kurses
Fragen, Kommentare, Anregungen
Bitte per mail an Jörg Marks, marks at physi.uni-heidelberg.de
