Maschinelles Lernen

Vorlesung und Übung im Wintersemester 2011. Prof. Tobias Scheffer, Dr. Niels Landwehr, Christoph Sawade, Paul Prasse, Silvia Makowski.

Termine

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

Erster Termin: Dienstag, d. 18.10.2011 um 12:00 Uhr (Übung entfällt).

Am 20.12.2011 und 27.12.2011 entfällt die Vorlesung und die Übung. Kontrolle der 8. Übungsaufgabe erfolgt am 03.01.2012.

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 01.11.2011

Aufgaben der 2. Übung am 08.11.2011

Aufgaben der 3. Übung am 15.11.2011: credit_test.arff, credit_train.arff

Aufgaben der 4. Übung am 22.11.2011

Aufgaben der 5. Übung am 29.11.2011

Aufgaben der 6. Übung am 06.12.2011

Aufgaben der 7. Übung am 13.12.2011

Aufgaben der 8. Übung am 03.01.2012

Aufgaben der 9. Übung am 10.01.2012

Aufgaben der 10. Übung am 17.01.2012

Aufgaben der 11. Übung am 24.01.2012

Aufgaben der 12. Übung am 31.01.2012

Aufgaben der 13. Übung am 07.02.2012