Diese Vorlesung bietet einen Überblick über grundlegende und aktuelle Methoden und Konzepte des maschinellen Lernens für verschiedene Robotikanwendungen. Dabei werden die zugrunde liegenden mathematischen und statistischen Verfahren behandelt. Wichtige grundlegende Begriffe, Konzepte und Methoden werden für verschiedene Themen vorgestellt, darunter:

• Model selection, machine learning bias vs. parameter optimization
• Training, test, validation, generalization, overfitting, regularization
• Supervised vs unsupervised learning
• Regression
• Probabilistic Modeling
• Classifications
• Neural Networks
• Gaussian mixtures, Gaussian mixture regression
• Deep Learning mit Convolutional Neural Networks

und weitere interessante Themen.