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.
13. Projektaufgabe: vergeben.
14. Projektaufgabe: vergeben.
15. Projektaufgabe: vergeben.