Maschinelles Lernen - Theorie und Anwendung
Integrierte Vorlesung mit Übung
Termine und Dozenten
Termin: |
Vorlesung: Dienstag, 10:00 - 12:00 Uhr, Beginn 21.04.2008 |
Übung: Dienstag, 12.00 - 14.00 Uhr, Beginn 21.04.2008 |
|
Raum: |
FR 1002 |
Dozent: |
Prof. Dr. Klaus-Robert Müller [ link ] |
Ansprechpartner: |
Dr. Mikio Braun [ link ] |
Themen
In dieser Vorlesungen werden weiterführende Themen des Maschinellen Lernens behandelt. Ein besonderer Schwerpunkt wird auf die Anwendung gelegt werden. Mehrere erfolgreiche Anwendungen des Maschinellen Lernens werden besprochen, und auf die jeweiligen Besonderheiten wird eingegangen. Unter anderem werden folgende Themen behabdelt:
- halbüberwachtes Lernen
- Boosting-Verfahren
- Optimierungstheorie
- Kernmethoden für strukturierte Daten
- Lernen auf strukturierten Daten
- Graphische Modelle
Beispiele für erfolgreiche Anwendungen sind unter anderem
- Bioinformatik
- Erkennen von Angriffen in Computernetzwerken
- Textmining
Voraussetzungen
Vorausgesetzt werden Kenntnisse des Maschinellen Lernens (etwa im Rahmen der Veranstaltung Maschinelles Lernen I) und gute Mathematikkenntnisse, insbesondere Wahrscheinlichkeitsrechnung, Statistik, Linear Algebra. Zur Bearbeitung der Übngsaufgaben sind Programmierkenntnisse in Matlab erforderlich, die im Kurs Einführung in die computergestützte Datenanalyse mit Matlab vermittelt werden.
Weitere Informationen
Für die Lehre wurde eine Google-Group eingerichtet. Man muß sich registrieren, um die Beiträge lesen zu können, aber jeder kann sich registrieren.