Jeder kennt Zufall aus dem eigenen Leben, zum Beispiel Münzwürfe oder das Bestehen einer Klausur nach “mit Lücke lernen”. In dieser Vorlesung werden wir mittels Maß- und Integrationstheorie mathematische Modelle für die Modellierung von Zufallsexperimenten konstruieren. Weil wir auch noch das Gesetz der Großen Zahlen und den zentralen Grenzwertsatz diskutierten, wird die Erfolgswahrscheinlichkeit des zweiten Beispiels leider ziemlich klein sein.
This lecture (5 ECTS) continues the lecture reinforcement learning from the previous semester. We fill gaps (such as Lai-Robbins lower bounds for bandits) that were left and discuss further topics (such as MCTS, ODE method for stochastic approximation,...).
This lecture (6 ECTS) will cover optimization methods that typically appear in machine learning. Most importantly, we will discuss different (stochastic) versions of the gradient descent method and their applications in machine learning.
Das Seminar bereitet Studierende (Bachelor-Master) auf ihre Abschlussarbeiten vor. Studierende bearbeiten Themen der Wahrscheinlichkeitstheorie Das Seminar findet geblockt an 1–2 Terminen mit etwas Abstand zur Klausurenphase statt.
Um unsere Webseite für Sie optimal zu gestalten und fortlaufend verbessern zu können, verwenden wir Cookies und speichern anonyme Nutzungsdaten. Weitere Informationen erhalten Sie in unserer Datenschutzerklärung.
