Das Seminar gibt eine Einführung in grundlegende Methoden und Verfahren des maschinellen Lernens zur Mustererkennung und Klassifikation. Neben überwachten Klassifikations- und Regressionsverfahren mittels parametrischer und nicht-parametrischer Ansätze (bspw. lineare Diskrimination) werden ebenso unüberwachte Verfahren (bspw. Cluster-Analyse) vorgestellt. Anhand von Beispielen aus der visuellen Mustererkennung wird die Bedeutung der Vorverarbeitung von Eingabedaten, beziehungsweise der Extraktion geeigneter Repräsentationen / Deskriptoren verdeutlicht. Das Seminar führt in die theoretischen Grundlagen maschineller Lernverfahren und künstlicher neuronaler Netze ein, auf denen aufbauend die Funktionsprinzipien und Charakteristika tiefer neuronaler Faltungsnetzwerke erläutert und anhand von Anwendungsbeispielen nachvollziehbar gemacht werden. Ziel ist es, die Fragestellungen und methodischen Facetten der Forschungsrichtung aufzuzeigen. Am Ende der Veranstaltung sollen die Teilnehmer sich in der Lage sehen, Problemstellungen methodisch einzuordnen, zu analysieren und Lösungsansätze zu entwerfen.