Linear Algebra driven by Data Science

Abstract

Dieses Lernangebot widmet sich der linearen Algebra als dem Teil der Mathematik, der neben der Optimierung und der Stochastik die Grundlage für praktisch alle Entwicklungen im Bereich Künstliche Intelligenz (KI) darstellt. Das Fach ist jedoch für Anfänger meist ungewohnt abstrakt und wird daher oft als besonders schwierig und unanschaulich empfunden. In diesem Kurs wird das Erlernen mathematischer Kenntnisse in linearer Algebra verknüpft mit dem aktuellen und faszinierenden Anwendungsfeld der künstlichen neuronalen Netze (KNN). Daraus ergeben sich in natürlicher Weise Anwendungsbeispiele, an denen die wesentlichen Konzepte der linearen Algebra erklärt werden können.

Behandelte Themen sind:

• Der Vektorraum der reellen Zahlentupel, reelle Vektorräume allgemein
• Lineare Abbildungen
• Matrizen
• Koordinaten und darstellende Matrizen
• Lineare Gleichungssysteme, Gaußalgorithmus
• Determinante
• Ein Ausblick auf nichtlineare Techniken, die für neuronale Netzwerke relevant sind.

Sören von der Gracht

PostDoc in Dynamical Systems

Research in network dynamical systems and its applications.