IDA Wiki

Block-Seminar "Classical Topics in Machine Learning"

Termine und Informationen

Erster Termin für Themenvergabe

Mittwoch, 17.11.2010, 10:00-12:00 Uhr, Raum FR 6046

Weitere Termine und Raum

Freitag, 11.2.2011, 10:00-16:00, Raum FR 6046

Verantwortlich

Prof. Dr. Klaus-Robert Müller

Ansprechtpartner(in)

Motoaki Kawanabe, Ph.D Universität Tokio, Paul von Bünau, Irene Winkler

Sprechzeiten

Nach Vereinbarung

Sprache

Englisch

Anrechenbarkeit

Wahlpflicht LV im Modul Maschinelles Lernen I (Informatik M.Sc.)

Inhalt

In diesem Seminar wird eine Auswahl klassischer Themen aus dem Bereich des Maschinellen Lernens behandelt. Die Spannbreite der Themen umfasst unüberwachten Lernverfahren (Dimensionsreduktion, Blinde Quellentrennung, Clustering, etc.), Klassifikations- und Regressionsalgorithmen (SVMs, Neuronale Netze, etc.) und Methoden zur Modellselektion.

Voraussetzungen

Wir empfehlen den Besuch der Vorlesung "Maschinelles Lernen I".

Ablauf

Vorträge

Jeder Vortrag soll 35 Minuten (+ 10 Minuten Diskussion) dauern. Der Vortrag kann wahlweise auf Deutsch oder Englisch gehalten werden. Ein guter Vortrag führt kurz in das jeweilige Thema ein, stellt die Problemstellung dar und beschreibt zusammenfassend relevante Arbeiten und Lösungen.

Leistungsnachweis

Das Seminar ist Wahlpflichtbestandteil des Master-Module "Maschinelles Lernen 1". Bachelor-Studenten können diese Master-Module auf Antrag ebenfalls belegen. Die erfolgreiche Teilnahme am Seminar ist Voraussetzung für die Modul-Prüfung.

Themen

Die Vorträge sollen jeweils 35 Minuten (+ 10 Minuten Diskussion) dauern. Wir legen Wert auf diese Zeitvorgabe und werden Vorträge bei deutlicher Überschreitung abbrechen.

Thema

Material

Betreuer

Vortragender

Neural Networks

Introduction to Neural Networks (IDSIA)

Gregoire Montavon

Priska Herger

Boosting

An Introduction to Boosting and Leveraging

Mikio Braun

PCA, CCA and Kernel PCA

The original kPCA paper (TR version)

Felix Bießmann

ICA

ICA tutorial

Frank Meinecke

Marc Bobzien

Feature selection

An Introduction to Variable and Feature Selection

Irene Winkler

Decision trees

Duda, Hart & Stock, Pattern Classification, 2nd edition, chapter 8.1 - 8.4

Irene Winkler

Janett Niendorf

Gaussian processes

Online version of the GP book

Motoaki Kawanabe

Matthias Rost

Support Vector Machines

Predicting Structured Objects with Support Vector Machines PDF_short PDF_long

Marius Kloft, Nico Görnitz

Lukas Poustka

Online Learning (Theory)

Lecture Notes on Online Learning

Marius Kloft

Felix Brockherde

Isomap

Isomap website

Paul von Bünau

Yuan Hu

IDA Wiki: Main/WS10_SeminarClassicalTopicsInML (last edited 2011-02-02 17:00:36 by MariusKloft)