|
Size: 3135
Comment: Uploaded old content of DimRed Seminar
|
Size: 1841
Comment: Umbau
|
| Deletions are marked like this. | Additions are marked like this. |
| Line 1: | Line 1: |
| == Seminar: Dimensionsreduktion und Feature Selection == | == Seminar: Machinelles Lernen in der IT-Sicherheit == |
| Line 5: | Line 5: |
| || '''Termin'''|| Vorbesprechung und Themenvergabe am 1.12.2009 um 14:00 Uhr im Raum FR 6046 || || || Blockseminar am 8.2.2010 von 10:00 bis 16:00 Uhr im Raum FR 6046 || |
|| '''Termin'''|| Vorbesprechung und Themenvergabe am X.X.2010 um 14:00 Uhr im Raum FR 6046 || || || Blockseminar am X.X.2010 von 10:00 bis 16:00 Uhr im Raum FR 6046 || |
| Line 8: | Line 8: |
| || '''Ansprechpartner''' || [[mailto:buenau@cs.tu-berlin.de|Paul von Bünau]] || | || '''Ansprechpartner''' || [[mailto:konrad.rieck@tu-berlin.de|Dr. Konrad Rieck]] || |
| Line 16: | Line 16: |
| * Die Vorbesprechung findet am 1.12.2009 statt. * Die Teilnehmer wählen bis spätestens 10.1.2010 ein Thema in Absprache mit dem jeweiligen Betreuer (siehe Themenliste). * Die Teilnehmer legen bis spätestens 24.1.2010 einen Entwurf des Vortrages vor und besprechen diesen mit ihrem Betreuer. * Das Seminar findet als Blockveranstaltung am 8/9.2.2010 statt. |
* Die Vorbesprechung findet am X.X.2010 statt. * Die Teilnehmer wählen bis spätestens X.X.2010 ein Thema in Absprache mit dem Betreuer (siehe Themenliste). * Die Teilnehmer legen bis spätestens X.X.2010 einen Entwurf des Vortrages vor und besprechen diesen mit dem Betreuer. * Das Seminar findet als Blockveranstaltung am X.X.2.2010 statt. |
| Line 23: | Line 23: |
| Die Vorträge sollen jeweils 35 Minuten (+ 10 Minuten Diskussion) dauern. Wir legen Wert auf diese Zeitvorgabe und werden Vorträge bei deutlicher Überschreitung abbrechen. |
Die Vorträge sollen jeweils 35 Minuten (+ 10 Minuten Diskussion) dauern. |
| Line 26: | Line 25: |
| || '''Thema''' || '''Betreuer''' || || [[http://user.cs.tu-berlin.de/~fbiessma/downloads/dimRed/pca|Principal Component Analysis (PCA) and Kernel-PCA]] || [[http://user.cs.tu-berlin.de/~fbiessma|Felix Biessmann]] || || [[http://user.cs.tu-berlin.de/~fbiessma/downloads/dimRed/cca|Canonical Correlation Analysis (CCA)]] || [[http://user.cs.tu-berlin.de/~fbiessma|Felix Biessmann]] || || [[http://www.cs.toronto.edu/~roweis/lle/|Locally Linear Embedding (LLE)]] || [[mailto:buenau@cs.tu-berlin.de|Paul von Bünau]] || || [[http://waldron.stanford.edu/~isomap/|Isomap]] || [[mailto:buenau@cs.tu-berlin.de|Paul von Bünau]] || || [[http://link.aps.org/abstract/PRL/v103/e214101|Stationary Subspace Analysis (SSA)]] || [[mailto:buenau@cs.tu-berlin.de|Paul von Bünau]] || || [[http://www.cis.hut.fi/aapo/papers/IJCNN99_tutorialweb/|Independent Component Analysis (ICA)]] || [[mailto:meinecke@cs.tu-berlin.de|Frank Meinecke]] || || [[http://www.jmlr.org/papers/volume9/braun08a/braun08a.pdf|Relevant Dimension Estimation (RDE)]] || [[http://user.cs.tu-berlin.de/~mikio|Mikio Braun]] || |
|
| Line 35: | Line 26: |
| === Seminarplan === [[attachment:Schedule_Dimred_and_MLCV_seminar.pdf|Seminarplan]] |
|
| Line 41: | Line 29: |
| Die Note wird anhand des Vortrages und der Folien festgelegt. Das Seminar ist Wahlpflichtbestandteil der Master-Module "Maschinelles Lernen 1" und "Maschinelles Lernen 2". Bachelor-Studenten können diese Master-Module auf Antrag ebenfalls belegen. Wir empfehlen den vorherigen Besuch der Vorlesung "Maschinelles Lernen 1". |
Die Note wird anhand des Vortrages und der Folien festgelegt. Das Seminar ist Wahlpflichtbestandteil der Master-Module "Maschinelles Lernen 1" und "Maschinelles Lernen 2". Bachelor-Studenten können diese Master-Module auf Antrag ebenfalls belegen. Wir empfehlen den vorherigen Besuch der Vorlesung "Maschinelles Lernen 1". |
Seminar: Machinelles Lernen in der IT-Sicherheit
Termine und Dozenten
Termin |
Vorbesprechung und Themenvergabe am X.X.2010 um 14:00 Uhr im Raum FR 6046 |
|
Blockseminar am X.X.2010 von 10:00 bis 16:00 Uhr im Raum FR 6046 |
Verantwortlich |
|
Ansprechpartner |
Inhalt
In diesem Seminar beschäftigen wir uns mit Methoden zur Auswahl (feature selection) und Konstruktion (feature extraction/construction) von Variablen für Klassifikations- und Regressionsverfahren. In hochdimensionalen Daten (Bioinformatik, Textanalyse, etc.) kann geeignete Variablenselektion entscheidend für die performance von Lernverfahren sein (curse of dimensionality). Ausserdem kann eine Dimensionsreduktion wesentlich zum Verständnis der Zusammenhänge in den Daten beitragen.
Ablauf
- Die Vorbesprechung findet am X.X.2010 statt.
- Die Teilnehmer wählen bis spätestens X.X.2010 ein Thema in Absprache mit dem Betreuer (siehe Themenliste).
- Die Teilnehmer legen bis spätestens X.X.2010 einen Entwurf des Vortrages vor und besprechen diesen mit dem Betreuer.
- Das Seminar findet als Blockveranstaltung am X.X.2.2010 statt.
Themen
Die Vorträge sollen jeweils 35 Minuten (+ 10 Minuten Diskussion) dauern.
Leistungsnachweis, Anrechenbarkeit, Voraussetzungen
Die Note wird anhand des Vortrages und der Folien festgelegt. Das Seminar ist Wahlpflichtbestandteil der Master-Module "Maschinelles Lernen 1" und "Maschinelles Lernen 2". Bachelor-Studenten können diese Master-Module auf Antrag ebenfalls belegen. Wir empfehlen den vorherigen Besuch der Vorlesung "Maschinelles Lernen 1".