wir bieten...
Dekobild im Seitenkopf ISMLL
 
Veranstaltungen im Wintersemester 2010/11 / Vorlesung Maschinelles Lernen

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 Vorlesung werden wir die einfachsten Lernprobleme studieren, angefangen mit Regressions- und Klassifikationsproblemen (überwachtes Lernen). Hier werden wir uns verschieden Modelle anschauen, wie etwa Lineare Modelle, Entscheidungsbäume, Neuronale Netzwerke, Support-Vector-Maschinen oder einfache Arten Bayesscher Netzwerke. Später werden wir uns auch mit Clusteranalyse und Dimensionsreduktion beschäftigen (unüberwachtes Lernen).

Die Vorlesung Maschinelles Lernen ist Voraussetzung für die meisten weiterführenden Kurse und Seminare des ISMLL. Sie wird für Studierende ab dem dritten Semester empfohlen.

Lehrbücher:

  1. Christopher M. Bishop (2006): Pattern Recognition and Machine Learning.
  2. Trevor Hastie, Robert Tibshirani, Jerome Friedman (2001): The Elements of Statistical Learning.
  3. Richard O. Duda, Peter E. Hart, David G. Stork (2001): Pattern Classification, 2nd edition.

Dozent: Dr. Steffen Rendle
Übungen: Christoph Freudenthaler

 
Vorlesung
Zeit:Di, 10:00-12:00
Mi, 10:00-12:00 2-wöchentl.
Ort:B26 Spl.
Beginn:26.10.2010
Zuordnung:WI/IMIT KI+ML MSc
Übung:
Zeit:Mo, 12:00-14:00
Ort: B26
Beginn:01.11.2010
Klausur:
Zeit: Fr, 25.02.2011, 10 Uhr
Ort: B26
Dauer: 120min
letztjährige Veranstaltung:hier
 
Mehr
Moodle:Moodle
LSF:LSF
Modul- Handbuch:MHB