Size: 5813
Comment:
|
← Revision 48 as of 2012-03-30 12:10:25 ⇥
Size: 6310
Comment:
|
Deletions are marked like this. | Additions are marked like this. |
Line 1: | Line 1: |
= Vorlesung Einführung in Maschinelles Lernen = | = Maschinelles Lernen I = |
Line 5: | Line 5: |
Es handelt sich um eine integrierte Vorlesung mit Übung. Dieser Kurs ist eine Pflichtveranstaltung im Modul Maschinelles Lernen 1 und umfasst 6 LP. Siehe auch den [[https://lsf.zuv.tu-berlin.de/qisserver/servlet/de.his.servlet.RequestDispatcherServlet?state=wsearchv&search=2&veranstaltung.veranstid=98075&purge=y|Eintrag im Vorlesungsverzeichnis]] | Die integrierte Vorlesung "Maschinelles Lernen 1" ist eine Pflichtveranstaltung im Modul "Maschinelles Lernen 1" und umfasst 6 LP. Detailliertere Informationen zur Veranstaltung und zum Modul finden sich im [[http://lsf.zuv.tu-berlin.de/qisserver/servlet/de.his.servlet.RequestDispatcherServlet?state=verpublish&status=init&vmfile=no&publishid=121809&moduleCall=webInfo&publishConfFile=webInfo&publishSubDir=veranstaltung|Vorlesungsverzeichnis]] und im [[http://www.eecs.tu-berlin.de/menue/studium_und_lehre/informationsmaterial/modulhandbuecher/|Modulhandbuch]]. |
Line 8: | Line 8: |
||'''Raum'''||FR 7039|| | ||'''Raum'''||FR 3035|| |
Line 10: | Line 10: |
||'''Raum'''||FR 7039|| ||<(^|2>'''Dozenten'''||[[http://www.ml.tu-berlin.de/menue/mitglieder/klaus-robert_mueller/|Prof. Dr. Klaus-Robert Müller]]|| ||[[http://mikiobraun.de|Franz Király]]|| |
||'''Raum'''||FR 3035|| ||<(^|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)|| |
Line 24: | Line 24: |
Kenntnisse in Linearer Algebra und Grundkenntnisse in Wahrscheinlichkeitsrechnungsind werden '''''vorausgesetzt'''''. Zur Lösung eines Teils der Hausaufgaben werden Kenntnisse in Matlab benötigt. | Vorausgesetzte Vorkenntnisse für die Veranstaltung sind: * Grundlagenwissen in der Linearen Algebra und Analysis, entsprechend den Modulen Lineare Algebra und Analysis * Grundkenntnisse in der Wahrscheinlichkeitstheorie, entsprechend dem Modul Elementare Stochastik * Grundlegende Programmierkenntnisse, Umgang mit Matlab Nützliche, aber nicht notwendige Vorkenntnisse (entsprechend Modulen): * Lineare Algebra II * Analysis II und III * Stochastik I und II * Computerorientierte Mathematik I und II * Funktionalanalysis * Numerik I * Diskrete Mathematik I |
Line 28: | Line 40: |
Eine erfolgreiche Teilnahme an dieser Integrierten Vorlesung sowie einer Wahlpflichtveranstaltung sind Voraussetzung für die Anmeldung zur Modulprüfung Maschinelles Lernen 1. Der Stoff der Modulprüfung besteht aus dem Stoff der Vorlesung und der Übungen sowie der Wahlpflichtveranstaltung. | Eine erfolgreiche Teilnahme an dieser Integrierten Vorlesung sowie mindestens einer Wahlpflichtveranstaltung sind Voraussetzung für die Anmeldung zur Modulprüfung Maschinelles Lernen 1. Der Stoff der Modulprüfung besteht aus dem Stoff der Vorlesung und der Übungen sowie des Wahlpflichtteils. |
Line 30: | Line 42: |
Erfolgreich an der Integrierten Vorlesung teilgenommen hat wer | Erfolgreich an der Integrierten Vorlesung teilgenommen hat wer: |
Line 32: | Line 44: |
* Mindestens 50% der Übungspunkte auf den Übungsblättern erhalten hat * Mindestens 50% der Aufgaben zum Vorrechnen votiert hat. Die Anwesenheit ist zum Votieren in der Regel erforderlich; nach vorheriger Rücksprache kann davon im Einzelfall abgewichen werden. |
* Mindestens 50% der Übungspunkte auf den Übungsblättern erhalten hat. * Mindestens 50% der Aufgaben zum Vorrechnen bzw. Erklären votiert hat. In der Regel gelten genau die Aufgaben als votiert, in denen mindestens 30% der Übungspunkte erzielt wurden; die Anwesenheit ist dabei zum Votieren erforderlich. Nach vorheriger Rücksprache kann davon im Einzelfall abgewichen werden. |
Line 35: | Line 47: |
* Gemäß Studienordnung zur Teilnahme an der Integrierten Vorlesung "Maschinelles Lernen 1" berechtigt ist und keines der Ausschlusskriterien erfüllt. Für die Ausstellung eines Leistungsnachweises ist ein Studium, eine Nebenhörerschaft oder eine Gasthörerschaft an der TU Berlin Voraussetzung. Für die Anerkennung als Studienleistung für ein Hochschulstudium ist ein Studium oder eine Nebenhörerschaft an der TU Berlin erforderlich. |
|
Line 38: | Line 53: |
Die Übungen finden jeden Donnerstag nach der Vorlesung in FR 7039 statt. Die Übungskoordination erfolgt über das [[https://www.isis.tu-berlin.de|ISIS-System]] der TU. Für die Anmeldung ist ein tubIT-Konto erforderlich. Als Neben- oder Gasthörer können Sie dieses bei der [[http://www.tubit.tu-berlin.de|tubIT]] erhalten. Dazu muss unter persönlicher Vorlage der Neben- oder Gasthörerbescheinigung im [[http://www.tubit.tu-berlin.de/index.php?id=1810|tubIT-Laden]] ein Provisionierungsverfahren beantragt werden. | Die Übungen finden jeden Donnerstag nach der Vorlesung in FR 3035 statt. Die Übungskoordination erfolgt über das [[https://www.isis.tu-berlin.de|ISIS-System]] der TU. Für die Anmeldung ist ein tubIT-Konto erforderlich. Als Neben- oder Gasthörer kann man dieses bei der [[http://www.tubit.tu-berlin.de|tubIT]] erhalten. Dazu muss unter persönlicher Vorlage einer gültigen Neben- oder Gasthörerbescheinigung im [[http://www.tubit.tu-berlin.de/index.php?id=1810|tubIT-Laden]] ein Provisionierungsverfahren beantragt werden. |
Line 46: | Line 61: |
* Die Übungsblätter sind jede Woche bis '''Dienstag 10:00''' abzugeben. * Die Lösungen zu den theoretischen Aufgaben sind '''handschriftlich''' im Briefkasten vor Raum FR6061 abzugeben. |
* Die Lösungen zu den Aufgaben sind jeweils in der darauffolgenden Woche bis '''Mittwoch 10:00 MEZ''' einzureichen. * Die Lösungen zu den theoretischen Aufgaben sind '''handschriftlich''' im Briefkasten vor Raum FR 6061 abzugeben. |
Line 49: | Line 64: |
* Die Übungsen dürfen in festen Zweiergruppen bearbeitet und abgegeben werden. | * Die Übungen dürfen in festen Zweiergruppen bearbeitet und abgegeben werden. |
Line 51: | Line 66: |
Darüber hinaus beachtet bitte folgende Hinweise: | Bei der Abgabe der Lösungen ist Folgendes zu beachten: |
Line 53: | Line 68: |
* Die Lösungen sollten gut erklärt und strukturiert sein. Insbesondere sollte Programmcode auch ausreichend dokumentiert und den üblichen Konventionen entsprechend formatiert sein (z.B. Einrückungen). * Natürlich müssen die Lösungen selbst erarbeitet und niedergeschrieben werden. Selbst wenn man sich "Anregungen" besorgt hat, muß der Lösungsweg selbst verstanden und unabhängig niedergeschrieben werden. Wörtliche Kopien anderer Lösungen oder aus dem Internet sind ein Vergehen, für das entsprechende Konsequenzen vorgesehen sind. * Es kommt immer wieder vor, dass Studenten die Übungsaufgaben bearbeiten wollen, aber aus terminlichen Gründen nicht an der Übung selbst teilnehmen können. Bitte klärt das mit Eurem Übungsleiter ab und holt Eure Lösungen regelmäßig ab, um den Lernerfolg sicherzustellen. |
* Die Lösungen sollten gut erklärt und strukturiert sein: Mathematische Beweise müssen genügend erklärenden Text erhalten, die die Beweisstrategie und die gezogenen Schlussfolgerungen verdeutlichen. Programmcode muss ausreichend dokumentiert und den üblichen Konventionen entsprechend formatiert sein. Insbesondere ist auf eine lesbare Namensgebung und eine - visuell wie konzeptionell - klare Struktur zu achten. * Die Lösungen müssen selbst erarbeitet und niedergeschrieben werden. Natürlich ist es nicht verboten, über die Aufgaben und ihre Lösung zu diskutieren. Handfester Betrug wie wörtliches Übernehmen von Passagen oder Verwenden von Lösungen aus dem Internet kann mit der Nichtanerkennung von Leistungen bis hin zum Nichtbestehen geahndet werden. * Falls eine rechtzeitige Abgabe aufgrund höherer Gewalt nicht möglich ist, sollte das möglichst vorher mit dem Übungsleiter abgesprochen werden. Im Härtefall kann das dann für die Bestehensgrenze berücksichtigt werden. |
Line 57: | Line 72: |
=== Literatur und Links === | === Online-Kursangebot === |
Line 59: | Line 74: |
Folgene Bücher geben eine umfassende Einführung in den Bereich des Maschinellen Lernens. * Christopher M. Bishop (2006) ''Pattern Recognition And Machine Learning'' , Springer. * Richard O. Duda, Peter E. Hart, David G. Stork (2001) ''Pattern Classification'' , Wiley (2. Auflage). * Trevor Hastie, Robert Tibshirani, Jerome Friedman (2001) The Elements of Statistical Learning, Springer. Folgende Bücher geben eine umfassende Einführung in die Wahrscheinlichkeitstheorie und in die Statistik. * G. Bamberg, F. Baur (2006) ''Statistik'', Oldenbourg-Verlag, 12. Auflage * L. Fahrmeir, R. Künstler, I. Pigeot, G. Tutz (2004) ''Statistik'' , Springer, 5. Auflage * L. Wasserman (2004) ''All of Statistics'', Springer Die wichtigsten Gleichungen für das Rechnen mit Matrizen und insbesondere die Ableitungsregeln für höherdimensionale Funktionen findet man hier: * K. B. Petersen, M. S. Pedersen (2007) ''The Matrix Cookbook''. Technical University of Denmark [ [[http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=3274|externer link]] ] === Terminplan === || '''Datum''' || '''Thema''' || '''Material''' || || 20. 10. 2010 || Einführung || || == Übungszettel == * Blatt 1 |
Ein thematischer Terminplan, Übungsblätter, Literatur und Weiteres findet sich auf der [[https://www.isis.tu-berlin.de/course/view.php?id=5659|ISIS-Seite]] des Kurses. Außerdem gibt es dort die Möglichkeit, an Diskussionen teilzunehmen und Fragen zum Kurs zu stellen. |
Maschinelles Lernen I
Termine und Informationen
Die integrierte Vorlesung "Maschinelles Lernen 1" ist eine Pflichtveranstaltung im Modul "Maschinelles Lernen 1" und umfasst 6 LP. Detailliertere Informationen zur Veranstaltung und zum Modul finden sich im Vorlesungsverzeichnis und im Modulhandbuch.
Vorlesung |
Donnerstags, 10 - 12 (ab 20.10.2011) |
Raum |
FR 3035 |
Übung |
Donnerstags, 12 - 14 (ab 20.10.2011) |
Raum |
FR 3035 |
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
Die Vorlesung behandelt einführende Themen im Bereich des Maschinellen Lernens.
Im Anschluss an die Vorlesung findet die Übung statt, in der die erlernten Methoden vertieft werden.
Vorkenntnisse
Vorausgesetzte Vorkenntnisse für die Veranstaltung sind:
- Grundlagenwissen in der Linearen Algebra und Analysis, entsprechend den Modulen Lineare Algebra und Analysis
- Grundkenntnisse in der Wahrscheinlichkeitstheorie, entsprechend dem Modul Elementare Stochastik
- Grundlegende Programmierkenntnisse, Umgang mit Matlab
Nützliche, aber nicht notwendige Vorkenntnisse (entsprechend Modulen):
- Lineare Algebra II
- Analysis II und III
- Stochastik I und II
- Computerorientierte Mathematik I und II
- Funktionalanalysis
- Numerik I
- Diskrete Mathematik I
Leistungsnachweis und Prüfungsrelevanz
Eine erfolgreiche Teilnahme an dieser Integrierten Vorlesung sowie mindestens einer Wahlpflichtveranstaltung sind Voraussetzung für die Anmeldung zur Modulprüfung Maschinelles Lernen 1. Der Stoff der Modulprüfung besteht aus dem Stoff der Vorlesung und der Übungen sowie des Wahlpflichtteils.
Erfolgreich an der Integrierten Vorlesung teilgenommen hat wer:
- Mindestens 50% der Übungspunkte auf den Übungsblättern erhalten hat.
- Mindestens 50% der Aufgaben zum Vorrechnen bzw. Erklären votiert hat. In der Regel gelten genau die Aufgaben als votiert, in denen mindestens 30% der Übungspunkte erzielt wurden; die Anwesenheit ist dabei zum Votieren erforderlich. Nach vorheriger Rücksprache kann davon im Einzelfall abgewichen werden.
- Mindestens eine votierte Aufgabe richtig vorgerechnet hat.
- Gemäß Studienordnung zur Teilnahme an der Integrierten Vorlesung "Maschinelles Lernen 1" berechtigt ist und keines der Ausschlusskriterien erfüllt.
Für die Ausstellung eines Leistungsnachweises ist ein Studium, eine Nebenhörerschaft oder eine Gasthörerschaft an der TU Berlin Voraussetzung. Für die Anerkennung als Studienleistung für ein Hochschulstudium ist ein Studium oder eine Nebenhörerschaft an der TU Berlin erforderlich.
Übungen
Die Übungen finden jeden Donnerstag nach der Vorlesung in FR 3035 statt. Die Übungskoordination erfolgt über das ISIS-System der TU. Für die Anmeldung ist ein tubIT-Konto erforderlich. Als Neben- oder Gasthörer kann man dieses bei der tubIT erhalten. Dazu muss unter persönlicher Vorlage einer gültigen Neben- oder Gasthörerbescheinigung im tubIT-Laden ein Provisionierungsverfahren beantragt werden.
Die ISIS-Diskussionsforen können für Fragen zur Veranstaltung und zu den Übungen in Anspruch genommen werden - die Verantwortlichen bemühen sich um eine zeitnahe Beantwortung der offenen Fragen.
Matlab ist auf dem vom IRB verwalteten System installiert und kann mit /home/ml/ml/bin/matlab gestartet werden. Die Computer des IRB lassen sich nur mit einem IRB-Login nutzen, der für Nutzer eines tubIT-Kontos beim IRB elektronisch beantragbar ist.
Abgabemodalutäten:
Die Lösungen zu den Aufgaben sind jeweils in der darauffolgenden Woche bis Mittwoch 10:00 MEZ einzureichen.
Die Lösungen zu den theoretischen Aufgaben sind handschriftlich im Briefkasten vor Raum FR 6061 abzugeben.
Die Abgabe der Lösungen zu den praktischen Aufgaben erfolgt über ISIS.
- Die Übungen dürfen in festen Zweiergruppen bearbeitet und abgegeben werden.
Bei der Abgabe der Lösungen ist Folgendes zu beachten:
- Die Lösungen sollten gut erklärt und strukturiert sein: Mathematische Beweise müssen genügend erklärenden Text erhalten, die die Beweisstrategie und die gezogenen Schlussfolgerungen verdeutlichen. Programmcode muss ausreichend dokumentiert und den üblichen Konventionen entsprechend formatiert sein. Insbesondere ist auf eine lesbare Namensgebung und eine - visuell wie konzeptionell - klare Struktur zu achten.
- Die Lösungen müssen selbst erarbeitet und niedergeschrieben werden. Natürlich ist es nicht verboten, über die Aufgaben und ihre Lösung zu diskutieren. Handfester Betrug wie wörtliches Übernehmen von Passagen oder Verwenden von Lösungen aus dem Internet kann mit der Nichtanerkennung von Leistungen bis hin zum Nichtbestehen geahndet werden.
- Falls eine rechtzeitige Abgabe aufgrund höherer Gewalt nicht möglich ist, sollte das möglichst vorher mit dem Übungsleiter abgesprochen werden. Im Härtefall kann das dann für die Bestehensgrenze berücksichtigt werden.
Online-Kursangebot
Ein thematischer Terminplan, Übungsblätter, Literatur und Weiteres findet sich auf der ISIS-Seite des Kurses. Außerdem gibt es dort die Möglichkeit, an Diskussionen teilzunehmen und Fragen zum Kurs zu stellen.