|
Dmitrij Schlesinger, Forum, Wintersemester 2013/2014 | ||||||
|
Der Bereich des Machine Learning erfasst allgemeine statistische Methoden, um
Wissen zu repräsentieren und dieses zur Interpretation von Daten zu verwenden.
Die klassischen Aufgaben sind dabei Klassifikation, Regression und Clustering.
Im Fall der Klassifikation wird aus gegebenen klassifizierten Daten eine
Entscheidungsfunktion gelernt, die es erlaubt, neuen Daten ebenfalls ein
Klassenlabel zuzuweisen. Bei der Regression wird anhand von gegebenen
Datenpaaren eine Abbildung aus einem Raum in einen anderen gelernt. Das
Clustering kann schließlich als eine unüberwachte Variante der Klassifikation
betrachtet werden, bei der einer Menge von Datenpunkten anhand von
Ähnlichkeitskriterien Klassenlabel zugewiesen werden. Machine Learning Ansätze
haben zahlreiche Anwendungen in verschiedenen Themengebieten, speziell in
solchen in denen Unsicherheiten in den Daten eine große Rolle spielen. Ein
wichtiges Anwendungsgebiet ist mit Sicherheit der Computer Vision Bereich. In
der Vorlesung werden die genannten Aufgaben und entsprechende Methoden
behandelt. Die Vorlesung orientiert sich am Buch "Pattern Recognition and
Machine Learning" von Christopher Bishop, erschienen 2006 bei Springer, setzt
aber eigene Akzente. Module: INF-04-FG-IS INF-BAS2 INF-BAS7 Vorlesung: Freitag, 2. DS, 09:20 - 10:50 Uhr, INF E023, Beginn: 18. Oktober 2013 Übung: Donnerstag, 4. DS, 13:00 - 14:30 Uhr und 5. DS, 14:50 - 16:20 Uhr, INF E009, Beginn: 24. Oktober 2013 Voraussetzungen: Solides mathematisches Grundlagenwissen Weitere Hinweise: Die Vorlesung wird in deutsch gehalten, die Folien sind englisch Umfang: 2/2/0 Abschluss: Mündliche Prüfung nach Ende der Vorlesungszeit Einschreibung: jExam Maximale Teilnehmerzahl 60 |
 |
|||||
| News: | ||||||
01.04.2014
|
||||||
| Skripten: | ||||||
|
||||||