|
Size: 3969
Comment:
|
Size: 3805
Comment:
|
| Deletions are marked like this. | Additions are marked like this. |
| Line 43: | Line 43: |
| || Neural Networks || [[http://www.idsia.ch/NNcourse/intro.html|Introduction to Neural Networks (IDSIA)]] || [[mailto:g.montavon@mailbox.tu-berlin.de|Gregoire Montavon]] || Priska Herger || | || Neural Networks || [[http://www.idsia.ch/NNcourse/intro.html|Introduction to Neural Networks (IDSIA)]] || [[mailto:g.montavon@mailbox.tu-berlin.de|Gregoire Montavon]] || || |
| Line 46: | Line 46: |
| || ICA || [[http://www.cis.hut.fi/aapo/papers/IJCNN99_tutorialweb/|ICA tutorial]] || Frank Meinecke || Marc Bobzien || || Feature selection || [[http://jmlr.csail.mit.edu/papers/volume3/guyon03a/guyon03a.pdf|An Introduction to Variable and Feature Selection]] || Irene Winkler || || || Decision trees || Duda, Hart & Stock, Pattern Classification, 2nd edition, chapter 8.1 - 8.4 || [[mailto:irenewinkler01@googlemail.com|Irene Winkler]] || Janett Niendorf || || Gaussian processes || [[http://www.gaussianprocess.org/|Online version of the GP book]] || [[mailto:motoaki.kawanabe@first.fraunhofer.de|Motoaki Kawanabe]] || Matthias Rost || || Support Vector Machines || Predicting Structured Objects with Support Vector Machines [[http://www.yisongyue.com/publications/cacm2009_structsvm.pdf|PDF_short]] [[http://www.jmlr.org/papers/volume6/tsochantaridis05a/tsochantaridis05a.pdf|PDF_long]] || [[mailto:mkloft@cs.tu-berlin.de|Marius Kloft]], [[mailto:goernitz@cs.tu-berlin.de|Nico Görnitz]] || Lukas Poustka || || Online Learning (Theory) || [[attachment:lect_notes_ol.pdf|Lecture Notes on Online Learning]] || [[mailto:mkloft@cs.tu-berlin.de|Marius Kloft]] || Felix Brockherde || |
|| ICA || [[http://www.cis.hut.fi/aapo/papers/IJCNN99_tutorialweb/|ICA tutorial]] || Frank Meinecke || || || Feature selection || [[http://jmlr.csail.mit.edu/papers/volume3/guyon03a/guyon03a.pdf|An Introduction to Variable and Feature Selection]] || || || || Decision trees || Duda, Hart & Stock, Pattern Classification, 2nd edition, chapter 8.1 - 8.4 || [[mailto:irenewinkler01@googlemail.com|Irene Winkler]] || || || Gaussian processes || [[http://www.gaussianprocess.org/|Online version of the GP book]] || || || || Support Vector Machines || Predicting Structured Objects with Support Vector Machines [[http://www.yisongyue.com/publications/cacm2009_structsvm.pdf|PDF_short]] [[http://www.jmlr.org/papers/volume6/tsochantaridis05a/tsochantaridis05a.pdf|PDF_long]] || [[mailto:mkloft@cs.tu-berlin.de|Marius Kloft]], [[mailto:goernitz@cs.tu-berlin.de|Nico Görnitz]] || || || Online Learning (Theory) || [[attachment:lect_notes_ol.pdf|Lecture Notes on Online Learning]] || [[mailto:mkloft@cs.tu-berlin.de|Marius Kloft]] || || |
Block-Seminar "Classical Topics in Machine Learning"
Termine und Informationen
Erster Termin für Themenvergabe |
Mittwoch, 16.11.2010, 10:00-12:00 Uhr, Raum FR 6046 |
Weitere Termine und Raum |
Mittwoch, 16.11.2011, 10:00-11:00, Raum FR 6046 |
Verantwortlich |
|
Ansprechtpartner(in) |
|
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
- Die Vorbesprechung findet am 16.11.2011 statt.
- Die Teilnehmer wählen bis Mitte Januar ein Thema in Absprache mit dem Betreuer (siehe Themenliste).
- Das Seminar findet als Blockveranstaltung am Ende des Semester statt (Termin wird noch bekanntgegeben).
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 |
|
||
Boosting |
Mikio Braun |
|
|
PCA, CCA and Kernel PCA |
Felix Bießmann |
|
|
ICA |
Frank Meinecke |
|
|
Feature selection |
|
|
|
Decision trees |
Duda, Hart & Stock, Pattern Classification, 2nd edition, chapter 8.1 - 8.4 |
|
|
Gaussian processes |
|
|
|
Support Vector Machines |
Predicting Structured Objects with Support Vector Machines PDF_short PDF_long |
|
|
Online Learning (Theory) |
|