|
Size: 3049
Comment:
|
Size: 4387
Comment:
|
| Deletions are marked like this. | Additions are marked like this. |
| Line 29: | Line 29: |
| * Künstliche Neuronale Netze (Reichardt Korrelator, Perzeptron Algorithmus, Deep Belief Networks) | * Künstliche Neuronale Netze (Reichardt Korrelator, Perzeptron Algorithmus, Multilayer Neural Networks) |
| Line 49: | Line 49: |
| ||'''19.04.2012'''|| Neurons – computational units of cognition || || ||'''26.04.2012'''|| Classification || || ||'''03.05.2012'''|| Deep belief networks || || ||'''10.05.2012'''|| Regression || || ||'''17.05.2012'''|| Factor Analyses || || ||'''24.05.2012'''|| Clustering || || ||'''31.05.2012'''|| Generalization and Model Selection || || |
||'''19.04.2012'''|| Neurons – computational units of cognition || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/KA/lecture2_slides.pdf| Slides Lecture 2]]|| ||'''26.04.2012'''|| Classification || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/KA/lecture3_slides.pdf| Slides Lecture 3]] || ||'''03.05.2012'''|| Regression ||[[http://www.user.tu-berlin.de/felix.biessmann/downloads/KA/lecture4_slides.pdf| Slides Lecture 4]] || ||'''10.05.2012'''|| Multilayer Neural Networks || [[http://gregoire.montavon.name/resources/2012-multilayer.pdf| Slides Lecture 5]] || ||'''17.05.2012'''|| No lecture - holiday || || ||'''24.05.2012'''|| Unsupervised Learning || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/KA/lecture6_slides.pdf| Slides Lecture 6]]|| ||'''31.05.2012'''|| Generalization and Model Selection || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/KA/lecture7_slides.pdf|Slides Lecture 7]]|| === Programmierprojekt === || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/KA/algorithms.pdf| Algorithms Cheat Sheet]] || || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/KA/assignments_handout.pdf| Assignments]] || || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/KA/assignments.pdf| Assignments Slides]] || === Materialien Mathevorkurs === Bachelor Studenten der Informatik, die die vollen 6ECTS des Moduls Kognitive Algorithmen brauchen, holen die Aufgaben des Mathevorkurses nach und geben die Uebungsblaetter bei der Praesentation der Programmierprojekte ab. Die Übungsaufgaben findet Ihr hier || [[https://wiki.ml.tu-berlin.de/wiki/Main/SS12_MatheKurs|Zum Mathevorkurs]]|| |
Kognitive Algorithmen
Vorlesung mit Projekt
Anrechnung
Für Bachelor Studenten der Informatik |
Wer das Modul Kognitive Algorithmen (Vorlesung, Programmierprojekt und Mathevorkurs, 6ECTS) belegen möchte, kann eine Nachholklausur des Mathevorkurses schreiben. |
Für alle anderen Studenten |
Die Vorlesung und das Programmierprojekt wird mit 3ECTS angerechnet. Mathevorkurs ist nicht erforderlich für die Klausur. |
Relevante Prüfungsleistung ist in allen Fällen nur die benotete Klausur. Für interessierte Studenten bieten wir das begleitende Seminar https://wiki.ml.tu-berlin.de/wiki/Main/SS12_AKA an (3ECTS), in dem ausgewählte Themen der Vorlesung anhand praxisrelevanter Anwendung eingehender vorgestellt werden.
Termine und Dozenten
Termin: |
Vorlesung: Do 14:00 - 16:00 Uhr, Beginn 12.04.2012, Vorbesprechung Projekt 31.05.2012 |
Raum: FR 3001 |
|
Verantwortlicher: |
|
Betreuer: |
Themen
Computerprogramme können nützliche kognitive Fähigkeiten lernen. Diese Veranstaltung vermittelt ein intuitives Verständnis elementarer Konzepte des Maschinellen Lernens, deren Entstehung und ihrer Anwendung. In der ersten Semesterhälfte werden ausgewählte Lernalgorithmen vorgestellt. In der zweiten Semesterhälfte werden die Studenten die gelernten Methoden selbständig in einer praxisrelevanten Problemstellung anwenden.
Vorgestellt werden unter anderem:
- Überwachte Lernmethoden (lineare Regression, naive Bayes Klassifikation)
- Künstliche Neuronale Netze (Reichardt Korrelator, Perzeptron Algorithmus, Multilayer Neural Networks)
- Dimensionsreduktion mit Faktoranalysen (Principal Component Analysis, Canonical Correlation Analysis)
- Clustering (k-Means, Spectral Clustering)
Beispiele für im Projekt zu bearbeitenden Problemstellungen sind:
- Automatisierte Schrifterkennung
- Intelligentes Filtern von E-Mail Spam
- Extraktion von semantischer Information aus Textdaten im Internet
Voraussetzungen
Kenntnisse grundlegender Konzepte der Wahrscheinlichkeitsrechnung, Statistik und Linearer Algebra.
Vorlesungsplan
Vorläufige Planung der Vorlesunge
Termin |
Thema |
Materialien |
12.04.2012 |
Introduction and some Cybernetics |
|
19.04.2012 |
Neurons – computational units of cognition |
|
26.04.2012 |
Classification |
|
03.05.2012 |
Regression |
|
10.05.2012 |
Multilayer Neural Networks |
|
17.05.2012 |
No lecture - holiday |
|
24.05.2012 |
Unsupervised Learning |
|
31.05.2012 |
Generalization and Model Selection |
Programmierprojekt
Materialien Mathevorkurs
Bachelor Studenten der Informatik, die die vollen 6ECTS des Moduls Kognitive Algorithmen brauchen, holen die Aufgaben des Mathevorkurses nach und geben die Uebungsblaetter bei der Praesentation der Programmierprojekte ab. Die Übungsaufgaben findet Ihr hier