Maschinelles Lernen 2

Vorlesung und Übung im Sommersemester 2011. Prof. Tobias Scheffer, Dr. Niels Landwehr, Christoph Sawade.

Termine

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

Inhalte

Die Veranstaltung ergänzt und vertieft die Vorlesung "Maschinelles Lernen". Maschinelles Lernen beschftigt 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 und Ressourcen der 1. Übung am 05.05.2011 um 11:00

Aufgaben der 2. Übung am 12.05.2011

Aufgaben der 3. Übung am 19.05.2011

Aufgaben der 4. Übung am 26.05.2011

Aufgaben der 5. Übung am 09.06.2011

Aufgaben der 6. Übung am 16.06.2011

Aufgaben der 7. Übung am 23.06.2011

Aufgaben der 8. Übung am 30.06.2011

Aufgaben der 9. Übung am 07.07.2011

Aufgaben der 10. Übung am 14.07.2011

Aufgaben der 11. Übung am 21.07.2011