Intelligente Datenanalyse in Matlab

Vorlesung und Übung/Projekt im Wintersemester 2014/2015. Paul Prasse, Michael Großhans und Prof. Tobias Scheffer.

Termine

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

Vorlesung: Dienstag, 16:00-17:30h, 03.04.0.02
Übung/Projekt: Montag, 12:00-15:00h, 03.04.1.03

Der erste Übungstermin am 13.10.2014 entfällt.

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 14.10.2014

Einführung in MATLAB vom 20.10.2014 eLecture

Mathematische Grundlagen vom 21.10.2014: eLecture

Datenselektion und Datenaufbereitung vom 28.10.2014: eLecture, ImageDemo.zip

Problemanalyse & Grundlagen der Lerntheorie vom 04.11.2014: eLecture

Überwachtes Lernen: Entscheidungsbäume vom 11.11.2014: eLecture

Überwachtes Lernen: Lineare Modelle vom 18.11.2014: eLecture

Überwachtes Lernen: Nicht-lineare Modelle vom 25.11.2014: eLecture

Sequenzanalyse vom 02.12.2014: eLecture

Evaluation & Exploitation von Modellen vom 09.12.2014: eLecture

Unüberwachtes Lernen: Clustern von Instanzen vom 16.12.2014: eLecture

Unüberwachtes Lernen: Clustern von Attributen vom 06.01.2015: eLecture

Lernen von Rankings vom 13.01.2015: eLecture

Collaborative Filtering vom 20.01.2015: eLecture

Objekterkennung vom 27.01.2015

Zusammenfassung vom 03.02.2015

Übungen

1. Übung vom 27.10.2014: logo.gif ,mergesort.m.

2. Übung vom 03.11.2014: ex1.m, ex2.m.

3. Übung vom 10.11.2014: abalone.csv, abalone.m.

4. Übung vom 17.11.2014: lehman.txt chart.m distmatrix.m

5. Übung vom 24.11.2013: spect.mat (Quelle: UCI Repository), infoGain.m, learnTree.m, classTree.m

6. Übung vom 01.12.2014: hinge.m, omega2.m, learnRegERM.m, classRegERM.m

7. Übung vom 08.12.2013: weinqualitaet.csv (Quelle: UCI Repository) rbf.m, learnKernelReg.m, classKernelReg.m

8. Übung vom 15.12.2014: sequences.mat dtw.m, dtw_kernel.m

9. Übung vom 05.01.2015: auc.m, auc_roc.m, evaluation.m

10. Übung vom 12.01.2015: toydata.m, findMapping.m, findMeans.m, kmeans.m, dist.m, kmeans_demo.m

11. Übung vom 19.01.2015: retail.dat (Quelle: FIM Dataset Repository), support.m, apriori.m, apriori_demo.m

12. Übung vom 26.01.2015: hollins.mat, transition.m, PageRank.m, PageRank_demo.m.

13. Übung vom 02.02.2015: joke.csv

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: vergeben.

2. Projektaufgabe: vergeben.

3. Projektaufgabe: vergeben.

4. Projektaufgabe: vergeben.

5. Projektaufgabe: vergeben.

6. Projektaufgabe: vergeben.

7. Projektaufgabe: vergeben.

8. Projektaufgabe: vergeben.

9. Projektaufgabe: vergeben.

10. Projektaufgabe: vergeben.

11. Projektaufgabe: vergeben.

12. Projektaufgabe: vergeben.