227-0427-10L  Advanced Signal Analysis, Modeling, and Machine Learning

SemesterFrühjahrssemester 2021
DozierendeH.‑A. Loeliger
Periodizitätjährlich wiederkehrende Veranstaltung
LehrspracheEnglisch



Lehrveranstaltungen

NummerTitelUmfangDozierende
227-0427-10 GAdvanced Signal Analysis, Modeling, and Machine Learning4 Std.
Fr14:15-18:00ML F 39 »
H.‑A. Loeliger

Katalogdaten

KurzbeschreibungThe course develops a selection of topics pivoting around graphical models (factor graphs), state space methods, sparsity, and pertinent algorithms.
LernzielThe course develops a selection of topics pivoting around factor graphs, state space methods, and pertinent algorithms:
- factor graphs and message passing algorithms
- hidden-​Markov models
- linear state space models, Kalman filtering, and recursive least squares
- Gaussian message passing
- Gibbs sampling, particle filter
- recursive local polynomial fitting & applications
- parameter learning by expectation maximization
- sparsity and spikes
- binary control and digital-​to-analog conversion
- duality and factor graph transforms
SkriptLecture notes
Voraussetzungen / BesonderesSolid mathematical foundations (especially in probability, estimation, and linear algebra) as provided by the course "Introduction to Estimation and Machine Learning".

Leistungskontrolle

Information zur Leistungskontrolle (gültig bis die Lerneinheit neu gelesen wird)
Leistungskontrolle als Semesterkurs
ECTS Kreditpunkte6 KP
PrüfendeH.-A. Loeliger
FormSessionsprüfung
PrüfungsspracheEnglisch
RepetitionDie Leistungskontrolle wird in jeder Session angeboten. Die Repetition ist ohne erneute Belegung der Lerneinheit möglich.
Prüfungsmodusschriftlich 180 Minuten
Hilfsmittel schriftlichLecture Notes (not including problems and solutions) and personal notes (max. 4 pages). No electronic devices. (Pocket calculators will be handed out, if necessary.)
Diese Angaben können noch zu Semesterbeginn aktualisiert werden; verbindlich sind die Angaben auf dem Prüfungsplan.

Lernmaterialien

 
Hauptlinkhttps://isi.ee.ethz.ch/teaching/courses/asml.html
Es werden nur die öffentlichen Lernmaterialien aufgeführt.

Gruppen

Keine Informationen zu Gruppen vorhanden.

Einschränkungen

Keine zusätzlichen Belegungseinschränkungen vorhanden.

Angeboten in

StudiengangBereichTyp
Biomedical Engineering MasterKernfächer der VertiefungWInformation
Data Science MasterWählbare KernfächerWInformation
Doktorat Departement Informationstechnologie und ElektrotechnikLehrangebot Doktorat und PostdoktoratWInformation
Elektrotechnik und Informationstechnologie MasterKernfächerWInformation
Elektrotechnik und Informationstechnologie MasterKernfächerWInformation
Elektrotechnik und Informationstechnologie MasterVertiefungsfächerWInformation
Elektrotechnik und Informationstechnologie MasterAdvanced Core CoursesWInformation
Mathematik MasterInformation and Communication TechnologyWInformation
Neural Systems and Computation MasterWahlfächerWInformation
Quantum Engineering MasterWahlfächerWInformation