|
Size: 637
Comment:
|
Size: 1747
Comment:
|
| Deletions are marked like this. | Additions are marked like this. |
| Line 10: | Line 10: |
| ||'''Anrechenbarkeit''|| Wahlpflicht LV im Modul Maschinelles Lernen I (Informatik M.Sc.) || | ||'''Anrechenbarkeit''|| Modul Projekt Machine Learning (wird zur Zeit akkreditiert), bzw. im Rahmen von Diplomstudiengängen || |
| Line 14: | Line 14: |
| Ziel des Projektes ist, eine Vorhersageverfahren (Regression/Klassifikation) für eine reale Anwendung zu entwickeln, auf Basis der [[http://www.shogun-toolbox.org/|Open-Source Machine Learning toolbox shogun]]. Dazu wird ein realer Rohdatensatz gegeben. Das Projekt ist in die folgenden drei aufeinander aufbauenden Meilensteine unterteilt. * Extraktion von vektoriellen Merkmalsvektoren aus den Rohdaten; univariate und multivariate Bewertung dieser Merkmale. * Evaluierung und Vergleich verschiedener Vorhersagemethodiken, Entwicklung geeigneter Bewertungsan-sätze und Gütemasse. * Begründete Auswahl und abschließende Bewertung einer bestimmten Vorhersagemethodik. Im Unterschied zum Praktikum liegt der Schwerpunkt nicht auf der Implementierung von Machine Learning-Methoden, sondern auf Datenaufbereitung, Anwendung, Bewertung und Auswahl von Methoden, sowie Präsentation der Ergebnisse. |
|
| Line 15: | Line 25: |
Der vorherige Besuch der Veranstaltungen "Machine Learning I" und "Praktikum Maschinelles Lernen" ist empfohlen, aber keine formale Voraussetzung. |
Projekt Machine Learning
Termine und Informationen
Erster Termin für Themenvergabe |
Mittwoch, 19.10.2011, 10:00-12:00 Uhr, Raum FR 6046 |
Verantwortlich |
|
Ansprechtpartner(in) |
|
Sprechzeiten |
Nach Vereinbarung |
Sprache |
Englisch |
Anrechenbarkeit |
Modul Projekt Machine Learning (wird zur Zeit akkreditiert), bzw. im Rahmen von Diplomstudiengängen |
Inhalt
Ziel des Projektes ist, eine Vorhersageverfahren (Regression/Klassifikation) für eine reale Anwendung zu entwickeln, auf Basis der Open-Source Machine Learning toolbox shogun. Dazu wird ein realer Rohdatensatz gegeben. Das Projekt ist in die folgenden drei aufeinander aufbauenden Meilensteine unterteilt.
- Extraktion von vektoriellen Merkmalsvektoren aus den Rohdaten; univariate und multivariate Bewertung dieser Merkmale.
- Evaluierung und Vergleich verschiedener Vorhersagemethodiken, Entwicklung geeigneter Bewertungsan-sätze und Gütemasse.
- Begründete Auswahl und abschließende Bewertung einer bestimmten Vorhersagemethodik.
Im Unterschied zum Praktikum liegt der Schwerpunkt nicht auf der Implementierung von Machine Learning-Methoden, sondern auf Datenaufbereitung, Anwendung, Bewertung und Auswahl von Methoden, sowie Präsentation der Ergebnisse.
Voraussetzungen
Der vorherige Besuch der Veranstaltungen "Machine Learning I" und "Praktikum Maschinelles Lernen" ist empfohlen, aber keine formale Voraussetzung.
Ablauf