|
Size: 1289
Comment:
|
Size: 1443
Comment:
|
| Deletions are marked like this. | Additions are marked like this. |
| Line 1: | Line 1: |
| == Maschinelles Lernen - Theorie und Anwendung == | == Maschinelles Lernen II - Theorie und Anwendung == |
| Line 10: | Line 10: |
| || '''Verantwortlicher:''' || [[http://ml.cs.tu-berlin.de/en/klaus/index.html|Prof. Dr. Klaus-Robert Müller]] || || '''Betreuer:''' || [[http://www.ml.tu-berlin.de/menue/mitglieder/franz_kiraly/|Dr. Franz Király]] || |
||<(^|2>'''Dozenten'''||[[http://www.ml.tu-berlin.de/menue/mitglieder/klaus-robert_mueller/|Prof. Dr. Klaus-Robert Müller]] (Verantwortlicher)|| ||[[http://www.ml.tu-berlin.de/menue/mitglieder/franz_kiraly/|Dr. Franz Király]] (Ansprechpartner)|| ||<(^|2>'''Sprechzeiten'''||Prof. Dr. Klaus-Robert Müller: nach Vereinbarung|| ||Dr. Franz Király: nach Vereinbarung|| |
Maschinelles Lernen II - Theorie und Anwendung
Integrierte Vorlesung mit Übung
Termine und Dozenten
Termin: |
Vorlesung: Dienstag, 10:00 - 12:00 Uhr, Beginn 17.04.2011 |
Übung: Dienstag, 12.00 - 14.00 Uhr, Beginn 17.04.2010 |
|
Raum: |
FR 1002 |
Dozenten |
Prof. Dr. Klaus-Robert Müller (Verantwortlicher) |
Dr. Franz Király (Ansprechpartner) |
|
Sprechzeiten |
Prof. Dr. Klaus-Robert Müller: nach Vereinbarung |
Dr. Franz Király: nach Vereinbarung |
Themen
In dieser Vorlesungen werden weiterführende Themen des Maschinellen Lernens behandelt. Ein besonderer Schwerpunkt wird hierbei auf Anwendungen gelegt. Mehrere erfolgreiche Anwendungen des Maschinellen Lernens werden besprochen und auf die jeweiligen Besonderheiten wird eingegangen. Unter anderem werden folgende Themen behandelt:
- Dimensionsreduktion
- Blind-Source-Separation
- Deep Learning
- Kernmethoden für strukturierte Daten
- Multiple-Kernel Learning
- Optimierungstheorie
Beispiele für erfolgreiche Anwendungen sind unter anderem
- Signalverarbeitung
- Bioinformatik
- Netzwerksicherheit
- Chemoinformatik
Voraussetzungen
Maschinelles Lernen 1