Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage grundlegende theoretische Ergebnisse auf Mustererkennungsprobleme anzuwenden sowie einfache Mustererkennungsverfahren selbst zu implementieren.

Implementierung und Evaluierung verschiedener einfacher Klassifikatoren. Wesentliche theoretische Ergebnisse sollen veranschaulicht werden, z.B. Auswirkung der Stichprobengröße auf die Qualität von Schätzern.

In Gruppen zu je 3 Studenten sind 3 Beispielgruppen zu lösen und die Ergebnisse zu dokumentieren. Jede Beispielgruppe enthält sowohl Programmier- als auch Theorieaufgaben. Die Wahl der Programmiersprache ist (unter Vorbehalt) freigestellt, empfohlen wird python/numpy.

Pro Beispielgruppe führe ich ein ca 15 minütiges Abgabespräch mit jeder Gruppe. Die Note setzt sich aus den Leistungen beim Abgabegespräch sowie der Qualität der Ausarbeitungen (Dokumentation + Code) zusammen.

Der vorhergehende Besuch einer Statistik-Vorlesung wird empfohlen, ebenso der Besuch der begleitenden Vorlesung. Grundkenntnisse in linearer Algebra (Invertierbarkeit, Rang, lineare Unabhängigkeit) sind von Vorteil.