Die Lehrveranstaltung besteht aus einer kurzen Einleitung und zwei Teilen:

1. In der Einleitung werden die biologischen Mechanismen
   von neuronalen und genetischen Verfahren vorgestellt.
   Außerdem wird ein gemeinsamer Rahmen für die Evaluation
   des Lernerfolges der Verfahren in Anwendungen eingeführt.
2. Im Bereich der genetischen Verfahren werden einfache genetische
   Algorithmen und ihre Varianten vorgestellt, analysiert und angewendet.
3. Im Bereich der neuronalen Verfahren werden die Basisalgorithmen
   (z.B. Backpropagation) und ihre Anwendungen im Data Science
   vorgestellt.

Lernziele:

Der Student kennt die wesentlichen Algorithmen und Lernverfahren
für neuronale Netze und genetische Algorithmen und er kann diese
Verfahren (z.B. in R) praktisch anwenden und ihre Qualität
beurteilen.

• Goldberg, David E. (2001)
  Genetic Algorithms in Search, Optimization and Machine Learning.
  Addison-Wesley, New York.
• Bishop, Christopher M. (2006)
  Pattern Recognition and Machine Learning.
  Springer, New York.
• Goodfellow, Ian; Bengio, Yoshua; Courville, Aaron (2016)
  Deep Learning.
  MIT Press. Cambridge.