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.
- Vorlesung: Donnerstag, 14:00-15:30h, 03.04.0.02
- Übung/Projekt: Montag, 14:00-17:00h, 03.04.1.03
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:
- 25.02.2013 von 10:00 bis 12:00 Uhr
- 02.04.2013 von 10:00 bis 12:00 Uhr
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.