Sommersemester 2025

Data Mining & Machine Learning (DMML)

Wir vertiefen die Grundlagen datengetriebener Systeme: von Klassifikation und Clustering über Evaluation und Fairness bis zu praktischen Notebook-Labs in Python.

Zurück zur Lehrübersicht Zum Moodle
DMML illustration

Organisatorisches

  • Moodle: Alle Ankündigungen, Materialien und Abgaben laufen über den Moodle-Kurs. Melden Sie sich bitte frühzeitig an.
  • Vorlesung: Montags, 11:40 – 13:20 Uhr, S1|15 / 133; ausgewählte Aufzeichnungen aus früheren Semestern sind verfügbar.
  • Übung: Freitags, 11:40 – 13:20 Uhr, S1|03 / 221.
  • Sprache: Englisch (Zusatzmaterial teils auf Deutsch).

Team & Kontakt

Verantwortlich (SoSe 25):David Steinmann
· AIML Lab, TU Darmstadt
Kontakt:
Bei Fragen wenden Sie sich bitte über den Moodle-Kurs oder per Mail an david.steinmann@tu-darmstadt.de.
Anmeldung:
Für Prüfungen und ECTS melden Sie sich zusätzlich in TUCaN an.

Motivation & Inhalte

Data Mining & Machine Learning bildet die Grundlage datengetriebener Anwendungen. Wir kombinieren theoretische Konzepte mit praxisnahen Aufgaben sowie aktuellen Forschungsergebnissen.

Wir behandeln Fragen wie: Wann ist ein Modell verlässlich? Wie bewerten wir Fairness und Robustheit? Und wie setzen wir Werkzeuge wie scikit-learn oder PyTorch effizient ein? Zusätzlich beleuchten wir probabilistische Perspektiven und neue Trends.

Supervised Learning

Linear models, Decision Trees, Ensembles, Regularisierung und Generalisierung.

Unsupervised Learning

Clustering, Mixture Models, Dimensionalitätsreduktion und Anomalieerkennung.

Evaluation & Fairness

Cross-Validation, Fehlermaße, Calibration, verantwortungsbewusste ML-Systeme.

Praxis & Tools

Notebook-Labs, Datenaufbereitung, reproducible ML Workflows und Frameworks.

Assignments & Übungen

Zusätzlich zu den „5-Questions“-Hausaufgaben bearbeiten Sie vier schriftliche Aufgaben (Theorie & Programmierung). Regelmäßige Abgabe bringt einen Bonus für die Klausur.

Archivierte Übungsaufzeichnungen, Bonuspunkte-Regeln und Musterlösungen finden Sie im Moodle-Kurs (Login erforderlich).