|
Size: 1019
Comment:
|
Size: 2239
Comment:
|
| Deletions are marked like this. | Additions are marked like this. |
| Line 5: | Line 5: |
| ||'''Erster Termin für Themenvergabe'''|| Mittwoch, 18.05.2011, 10:00-12:00 Uhr, Raum FR 6046 || | ||'''Erster Termin für Themenvergabe'''|| Donnerstag, 08.11.2012, 15:00-16:00 Uhr, Raum FR 6046 || ||'''Termin für Blockseminar'''|| nach Absprache || |
| Line 7: | Line 8: |
| ||'''Ansprechtpartner(in)'''|| [[mailto:motoaki.kawanabe@first.fraunhofer.de|Motoaki Kawanabe, Ph.D Universität Tokio]], [[mailto:buenau@cs.tu-berlin.de| Paul von Bünau]] || | ||'''Ansprechtpartner(in)'''|| [[mailto:duncan.blythe@bccn-berlin.de|Duncan Blythe]], [[mailto:irene.winkler@tu-berlin.de| Irene Winkler]] || |
| Line 9: | Line 10: |
| ||'''Anrechenbarkeit''|| Wahlpflicht LV in dem M.Sc. Modulen Maschinelles Lernen 1 || | ||'''Anrechenbarkeit''|| Wahlpflicht in dem M.Sc. Modul Maschinelles Lernen 1 || |
| Line 12: | Line 13: |
| === Papers === | In diesem Seminar werden mathematische und statistischen Modelle zum Erkennen von kausalen Zusammenhängen besprochen. Im Gegensatz zu reinen Vorhersagemodellen, die auf den Assoziationen/Korrelationen zwischen Variablen beruhen, ist das Ziel der empirischen Kausalanalyse, Ursache und Wirkung in komplexen Systemen zu identifizieren. |
| Line 14: | Line 15: |
| Die Vorträge sollen jeweils 35 Minuten (+ 10 Minuten Diskussion) dauern. Wir legen Wert auf diese Zeitvorgabe und werden Vorträge bei deutlicher Überschreitung abbrechen. | Die Vorträge sollen jeweils 30 Minuten (+ 10 Minuten Diskussion) dauern. Wir legen Wert auf diese Zeitvorgabe und werden Vorträge bei deutlicher Überschreitung abbrechen. |
| Line 17: | Line 18: |
| || [[attachment:PhysRevLett_103_214101.pdf|Stationary Subspace Analysis]] || [[mailto:buenau@cs.tu-berlin.de|Paul von Bünau]] || || | || [[http://www-stat.wharton.upenn.edu/~steele/HoldingPen/NobelPrizeInfo.pdf |Cointegration]] || Irene Winkler || || || [[attachment:Information Geometry for Causality.pdf]] || Duncan Blythe || || || [[attachment:Rubin Model.pdf]] || Duncan Blythe || || || [[attachment:Pearl Diagrams and Causality.pdf]] || Duncan Blythe || || || [[attachment:PSI.pdf]] || Duncan Blythe || || || [[attachment:Nonlinearity and Causality.pdf]] || Duncan Blythe || || || [[attachment:Granger Causality.pdf]] || Duncan Blythe || || || [[attachment:Cortical Interaction and Coherency.pdf]] || Duncan Blythe || || || [[attachment:Conditional Complexity.pdf]] || Duncan Blythe || || Als hintergrund zu den Schwierigkeiten bei der Kausal Analyse, mag [[http://plato.stanford.edu/entries/paradox-simpson/|Simpson's Paradox]] nutzlich sein. Besonders motivierte Studenten koennen sich "An Enquiry Concerning Human Understanding" von David Hume anschauen, um das Thema in die historisches Perspektive zu setzen. |
Block-Seminar "Moderne Verfahren des Maschinellen Lernens: Kausalanalyse"
Termine und Informationen
Erster Termin für Themenvergabe |
Donnerstag, 08.11.2012, 15:00-16:00 Uhr, Raum FR 6046 |
Termin für Blockseminar |
nach Absprache |
Verantwortlich |
|
Ansprechtpartner(in) |
|
Sprache |
Englisch |
Anrechenbarkeit |
Wahlpflicht in dem M.Sc. Modul Maschinelles Lernen 1 |
In diesem Seminar werden mathematische und statistischen Modelle zum Erkennen von kausalen Zusammenhängen besprochen. Im Gegensatz zu reinen Vorhersagemodellen, die auf den Assoziationen/Korrelationen zwischen Variablen beruhen, ist das Ziel der empirischen Kausalanalyse, Ursache und Wirkung in komplexen Systemen zu identifizieren.
Die Vorträge sollen jeweils 30 Minuten (+ 10 Minuten Diskussion) dauern. Wir legen Wert auf diese Zeitvorgabe und werden Vorträge bei deutlicher Überschreitung abbrechen.
Thema |
Betreuer |
Student |
Irene Winkler |
|
|
Duncan Blythe |
|
|
Duncan Blythe |
|
|
Duncan Blythe |
|
|
Duncan Blythe |
|
|
Duncan Blythe |
|
|
Duncan Blythe |
|
|
Duncan Blythe |
|
|
Duncan Blythe |
|
Als hintergrund zu den Schwierigkeiten bei der Kausal Analyse, mag Simpson's Paradox nutzlich sein.
Besonders motivierte Studenten koennen sich "An Enquiry Concerning Human Understanding" von David Hume anschauen, um das Thema in die historisches Perspektive zu setzen.