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: Jörg Marks, Klaus Reygers
- Datum: 11.4. - 14.4.2023, jeweils 9:00-12:00 Uhr und 14:00-17:00 Uhr
Inhalt
- Kurze Einführung Python-Tools
- Fitten von Daten
- Überblick: Maschielles Lernen
- Lineare Modelle, logistische Regression
- Boosted Decision Trees
- Neuronale Netzwerke (Einführung, Convolutional neural networks, Graph neural networks)
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,
TensorFlow/Keras
und
PyTorch
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
jupyter3.kip.uni-heidelberg.de
des CIP-Pools verwenden.
