Maschinelles Lernen
Vorlesung und Übung im Wintersemester 2010. Prof. Tobias Scheffer, Dr. Niels Landwehr, Christoph Sawade, Jules Rasetaharison.
Termine
Die Veranstaltung umfasst 4 SWS (6 LP); anrechenbar für Diplom, Bachelor und Master.
- Übung: Montag, 10:00-11:30, 01.02
- Vorlesung: Montag, 12:00-13:30, 01.02
Erster Termin: Montag, d. 18.10.2010 um 12:00 Uhr (Übung entfällt).
Am 13.12.2010 entfällt die Vorlesung und die Übung. Kontrolle der 7. Übungsaufgabe erfolgt am 03.01.2011.
Inhalte
Maschinelles Lernen beschäftigt sich mit Algorithmen, die aus Daten lernen können. Algorithmen des maschinellen Lernens gewinnen aus Daten Modelle, mit denen sich dann Vorhersagen ber 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 behandelten Themen umfassen Klassifikation, Entscheidungsbaumverfahren, lineare Diskriminatoren, Kernel- und Support-Vektor-Maschinen, Bayessche Modelle und Empfehlungsalgorithmen, sowie verschiedene Anwendungen.
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 01.11.2010
Aufgaben der 2. Übung am 08.11.2010
Aufgaben der 3. Übung am 15.11.2010: credit_test.arff, credit_train.arff
Aufgaben der 4. Übung am 22.11.2010
Aufgaben der 5. Übung am 29.11.2010
Aufgaben der 6. Übung am 06.12.2010
Aufgaben der 7. Übung am 03.01.2011
Aufgaben der 8. Übung am 10.01.2011
Aufgaben der 9. Übung am 17.01.2011
Aufgaben der 10. Übung am 24.01.2011
Aufgaben der 11. Übung am 31.01.2011
Aufgaben der 12. Übung am 07.01.2011