Obwohl viele arbeitsaufwändige Probleme automatisiert werden könnnen, indem man das Verhalten eines Computersystems von Hand modelliert, erfordern viele Probleme, dass ein System basierend auf Feedback zu seinen bisherigen Aktionen seine Antworten anpassen kann, d. h., lernen kann, in Zukunft in einer besseren Art und Weise zu agieren. Andere Aufgaben sind schlicht zu groß und umfangreich, um für Menschen überschaubar zu sein, so daß sie auf die Hilfe von Computern angewiesen sind.

Maschinelles Lernen (auch als Data Mining, Mustererkennung, Datenanalyse oder Klassifikation bekannt) ist ein Forschungsgebiet an der Schnittstelle von Informatik, Künstlicher Intelligenz, Mathematik und Statistik, die sich diesen Problemen widmet. Sie beinhaltet allgemeine Methoden und Techniken, die dann im Rahmen unzähliger verschiedener Anwendungen benutzt werden können, etwa der Vorhersage von Kundenverhalten, dem Steuern eines Roboters, der Entdeckung von Spam-Email oder der Vorhersage von Protein-Faltungen, um nur ein paar zu nennen.

In dieser Veranstaltung geben wir verschiedene praktische Themen aus dem Bereich Data-Mining und Maschinelles Lernen heraus. Die Aufgabe ist es, eine Anwendung zu entwerfen und zu implementieren, die mit Daten aus unterschiedlichen Anwendungsbereichen umgehen kann. Das Praktikum soll Studierenden die Möglichkeit geben, sich praktisches Wissen und Fähigkeiten im Umgang mit Algorithmen aus dem Bereich maschinelles Lernen zu erarbeiten.

• Jedes Thema sollte von einer Kleingruppe, bestehend aus 3-4 Studierenden, bearbeitet werden.
• Software sollte in Java oder C++ implementiert werden.
• Jedes Thema besteht aus der Entwicklung eines generischen Tools und dessen Einsatz in einer beispielhaften Anwendung.

Organisation:

• Mit der Bearbeitung der Themen kann ab sofort begonnen werden.
• Jede Gruppe muss mindestens zwei Präsentationen geben:
  • eine anfängliche Präsentation der laufenden Arbeit, die eine erste Implementation zeigt und evtl. auftretende Probleme diskutiert (ungefähr zur Mitte des Semesters) und
  • am Ende des Semesters eine Abschlusspräsentation des vollständigen Projekts.

Anmeldung:

• Sie können sich ab sofort für Themen anmelden.
• Themen werden per E-Mail (in der Reihenfolge der Ankunft) und in der Vorbesprechung vergeben.
• Falls Sie eine Liste mit mehreren Themen (mit sinkender Präferenz) angeben, bekommen Sie aus der Liste das erste verfügbare Thema.

Voraussetzungen: Dieses Praktikum ist besonders geeignet für Studierende, welche die Vorlesung Maschinelles Lernen oder die Vorlesung Bildverarbeitung bereits gehört haben.

Betreuer: Zeno Gantner