|
Size: 2071
Comment:
|
Size: 981
Comment:
|
| Deletions are marked like this. | Additions are marked like this. |
| Line 2: | Line 2: |
'''Vorlesung mit Projekt''' |
|
| Line 7: | Line 5: |
| ||<|2> '''Termin:''' || Vorlesung: Do, 10:00 - 12:00 Uhr, Beginn 12.04.2012, Ende 24.04.2012 || || '''Raum:''' FR 3003 || |
||<|2> '''Termin:''' || Vorlesung: Mi 12:00 - 14:00 Uhr, Beginn 17.10.2012 || || '''Raum:''' FR 3002 || |
| Line 10: | Line 8: |
| || '''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 16: | Line 14: |
| In der ersten Semesterhälfte werden ausgewählte Lernalgorithmen vorgestellt. In der zweiten Semesterhälfte werden die Studenten die gelernten Methoden selbständig in einer praxisrelevanten Problemstellung anwenden. | |
| Line 21: | Line 18: |
| * Künstliche Neuronale Netze (Reichardt Korrelator, Perzeptron Algorithmus, Deep Belief Networks) | * Künstliche Neuronale Netze (Reichardt Korrelator, Perzeptron Algorithmus, Multilayer Neural Networks) |
| Line 24: | Line 21: |
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 === Vorausgesetzt ist die bestandene Prüfung des Vorkurses [[Main/SS12_MatheKurs]], in dem grundlegende Konzepte der Wahrscheinlichkeitsrechnung, Statistik und Linearer Algebra wiederholt werden. Zur Bearbeitung der Projektarbeit sind Programmierkenntnisse in Matlab erforderlich, die im Kurs [[Main/SS11_MatlabKurs|Einführung in die computergestützte Datenanalyse mit Matlab]] vermittelt werden. === Vorlesungsplan === Vorläufige Planung der Vorlesunge || '''Termin''' || '''Thema''' || '''Materialien''' || |
Kognitive Algorithmen
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.
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)