Inhalt: „Maschinelles Lernen“ ist ein vergleichsweise modernes Teilgebiet der Mathematik, dessen Wichtigkeit immer noch zunimmt: Man hofft, „Big Data“ mit den in diesem Gebiet entwickelten Methoden besser beherrschen zu können. Vereinfacht ausgedrückt geht es darum, Strukturen in großen Datenmengen zu finden, z.B. einen funktionalen Zusammenhang durch die Auswertung von Messwerten zu finden (Regression) oder Objekte aufgrund von unvollständigen Informationen zu klassifizieren. 
Man beginnt damit, dass man die entsprechenden Probleme im linearen Fall löst und dann alles durch geeignete Transformationen auf nichtlineare Situationen überträgt. Eine Schlüsselrolle spielen dabei Hilberträume mit reproduzierendem Kern.

Vorkenntnisse: Kenntnisse über Räume mit Skalarprodukt werden eine wichtige Rolle spielen (Lineare Algebra 2 oder Funktionalanalysis), auch muss man „Elementare Stochastik“ gehört haben, um der Vorlesung folgen zu können.

Homepage: page.mi.fu-berlin.de/behrends/maschinelleslernen2016