|
Size: 4110
Comment:
|
Size: 1232
Comment:
|
| Deletions are marked like this. | Additions are marked like this. |
| Line 5: | Line 5: |
| === 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||Anwendungen Kognitiver Algorithmen]] an (3ECTS), in dem ausgewählte Themen der Vorlesung anhand praxisrelevanter Anwendung eingehender vorgestellt werden. |
|
| Line 15: | Line 7: |
| ||<|2> '''Termin:''' || Vorlesung: Do 14:00 - 16:00 Uhr, Beginn 12.04.2012, Vorbesprechung Projekt 31.05.2012 || || '''Raum:''' FR 3001 || |
||<|2> '''Termin:''' || Vorlesung: Mi 12:00 - 14:00 Uhr, Beginn 17.10.2012 || || '''Raum:''' FR 3002 || |
| Line 18: | Line 10: |
| || '''Betreuer:''' || [[mailto:felix.biessmann@tu-berlin.de|Dr. Felix Bießmann]], [[mailto:irene.winkler@tu-berlin.de|Irene Winkler]] || | || '''Betreuer:''' || [[mailto:felix.biessmann@tu-berlin.de|Dr. Felix Bießmann]] || |
| Line 32: | Line 24: |
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 ||[[http://www.user.tu-berlin.de/felix.biessmann/downloads/KA/lecture1_slides.pdf| Slides Lecture 1]] || ||'''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 || || === 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 === Wer die Übungen zum Mathevorkurs nachholen muss, findet hier die Aufgaben hier: || [[https://wiki.ml.tu-berlin.de/wiki/Main/SS12_MatheKurs|Zum Mathevorkurs]]|| |
Kognitive Algorithmen
Vorlesung mit Projekt
Termine und Dozenten
Termin: |
Vorlesung: Mi 12:00 - 14:00 Uhr, Beginn 17.10.2012 |
Raum: FR 3002 |
|
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)