Intelligente Datenanalyse in Matlab

Vorlesung und Übung/Projekt im Wintersemester 2012/2013. Paul Prasse, Michael Großhans und Prof. Tobias Scheffer.



Termine

Die Veranstaltung umfasst 6 SWS (9 LP); anrechenbar für Diplom, Bachelor und Master.

Der erste Übungstermin am 15.10.2012 entfällt. Der erste Vorlesungstermin ist der 18.10.2012.



Prüfungstermine

Prüfungstermine werden für die folgenden zwei Tage angeboten:

Bitte teilen Sie uns Ihren Terminwunsch (Angabe des Tages) per Mail an prasse@cs.uni-potsdam.de

mit.

Inhalte

Die Veranstaltung führt zu einem tiefen Verständnis ausgewählter Verfahren des maschinellen Lernens und Data Mining. Sie setzt sich aus einem Vorlesungsteil und der eigenständigen Bearbeitung anwendungsorientierter Aufgaben zusammen. Der Vorlesungsteil vermittelt das notwendige Wissen über Datenanalyse sowie Grundlagen in MATLAB.



Literatur

Maschinelles Lernen: Pattern Recognition and Machine Learning von Chris Bishop. 30 Exemplare in der Bibliothek ausleihbar.

MATLAB: Tutorials.



Vorlesung

Einführungsveranstaltung vom 18.10.2012

Einführung in MATLAB vom 22.10.2012 eLecture

Mathematische Grundlagen vom 29.10.2012: eLecture

Datenselektion und Datenaufbereitung vom 01.11.2012: eLecture, ImageDemo.zip

Problemanalyse & Grundlagen der Lerntheorie vom 08.11.2012: eLecture

Überwachtes Lernen: Entscheidungsbäume vom 15.11.2012: eLecture

Überwachtes Lernen: Lineare Modelle vom 22.11.2012: eLecture

Überwachtes Lernen: Nicht-lineare Modelle vom 29.11.2012: eLecture

Sequenzanalyse vom 06.12.2012: eLecture

Evaluation & Exploitation von Modellen vom 13.12.2012: eLecture

Unüberwachtes Lernen: Clustern von Instanzen vom 20.12.2012: eLecture

Unüberwachtes Lernen: Clustern von Attributen vom 03.01.2013: eLecture

Lernen von Rankings vom 10.01.2013: eLecture

Collaborative Filtering vom 17.01.2013: eLecture

Objekterkennung vom 24.01.2013

Zusammenfassung vom 07.02.2013





Übungen

1. Übung vom 29.10.2012: ex1.m, ex2.m

2. Übung vom 05.11.2012: abalone.csv

3. Übung vom 12.11.2012: lehman.txt chart.m distmatrix.m

4. Übung vom 19.11.2012: infoGain.m, learnTree.m, classTree.m, demoTree.m, spect.mat (Quelle: UCI Repository)

5. Übung vom 26.11.2012: hinge.m, omega2.m, learnRegERM.m, classRegERM.m demoLinear.m

6. Übung vom 03.12.2011: rbf.m, learnKernelReg.m, classKernelReg.m, weinqualitaet.csv (Quelle: UCI Repository)

7. Übung vom 10.12.2012: dtw.m, dtw_kernel.m

8. Übung vom 17.12.2012 auc.m, auc_roc.m, evaluation.m

9. Übung vom 07.01.2013: toydata.m, findMapping.m, findMeans.m, kmeans.m, kmeans_demo.m

10. Übung vom 14.01.2013: retail.dat (Quelle: FIM Dataset Repository) support.m, apriori.m, apriori_demo.m

11. Übung vom 21.01.2013: hollins.mat, transition.m, PageRank.m, PageRank_demo.m.

12. Übung vom 28.01.2013: joke.csv correlation.m, cofilter.m, cofilter_demo.m.

13. Übung vom 04.02.2013: eth-80_small.mat, eth80-resized.zip, kmeans_means.m, eth_80.m.



Die Projektarbeit ist Teil der Prüfung Intelligente Datenanalyse in Matlab. Jede Aufgabe soll durch einen Studenten selbstständig bearbeitet und die Lösung innerhalb der mündlichen Prüfung vorgestellt werden. Es folgt eine Liste mit Aufgabenstellungen. Jeder zur Prüfung zugelassene Student muss eine Aufgabenstellung auswählen (E-Mail an prasse@cs.uni-potsdam.de); Aufgabenstellungen werden nicht doppelt vergeben! Die für die Projektarbeit benötigten Datensätze erhalten sie per E-Mail.

1. Projektaufgabe: nicht vergeben.

2. Projektaufgabe: nicht vergeben.

3. Projektaufgabe: vergeben.

4. Projektaufgabe: nicht vergeben.

5. Projektaufgabe: nicht vergeben.

6. Projektaufgabe: nicht vergeben.

7. Projektaufgabe: vergeben.

8. Projektaufgabe: vergeben.

9. Projektaufgabe: vergeben.

10. Projektaufgabe: nicht vergeben.

11. Projektaufgabe: nicht vergeben.

12. Projektaufgabe: nicht vergeben.

13. Projektaufgabe: nicht vergeben.

14. Projektaufgabe: vergeben.

15. Projektaufgabe: vergeben.