Maschinelles Lernen 2

Vorlesung und Übung im Sommersemester 2010. Prof. Tobias Scheffer, Dr. Niels Landwehr, Christoph Sawade.

Termine

Die Veranstaltung umfasst 4 SWS (6 LP); anrechenbar für Diplom, Bachelor und Master.

• Übung: Mittwoch, 10:15-11:45, 03.04.0.02 (ab 05.05.2010).
• Vorlesung: Mittwoch, 12:00-13:30, 03.04.0.02.

Inhalte

Die Veranstaltung ergänzt und vertieft die Vorlesung "Maschinelles Lernen". Maschinelles Lernen beschäftigt sich mit Algorithmen, die aus Daten lernen können. Algorithmen des maschinellen Lernens gewinnen aus Daten Modelle, mit denen sich dann Vorhersagen über das beobachtete System treffen lassen. Anwendungen für Datenanalyse-Verfahren erstrecken sich von der Vorhersage von Kreditrisiken über die Auswertung astronomischer Daten bis zu persönlichen Musikempfehlungen. Die in diesem zweiten Teil der Veranstaltung behandelten Inhalte umfassen Reinforcement-Lernen, graphische Modelle, Gauß'sche Prozesse, Kernel-Methoden, aktives Lernen und andere Themen.

Literatur

Chris Bishop. Pattern Recognition and Machine Learning. Wir haben 30 Exemplare zum Verleihen bestellt.

Blog zur Vorlesung, Folien.

Kommentieren Sie die Vorlesung und stellen Sie Fragen!

Übungen

Aufgaben der 1. Übung am 05.05.2010

Aufgaben der 2. Übung am 12.05.2010

Aufgaben der 3. Übung am 19.05.2010

Aufgaben der 4. Übung am 26.05.2010

Aufgaben der 5. Übung am 02.06.2010

Aufgaben der 6. Übung am 09.06.2010

Aufgaben der 7. Übung am 16.06.2010

Übung am 23.06.2010 entfällt (VL findet wie gewohnt statt)!

Aufgaben der 8. Übung (wird zusammen mit Übung 9 am 14.07.2010 ausgewertet)

Aufgaben und Ressourcen der 9. Übung am 14.07.2010

Aufgaben der 10. Übung am 21.07.2010