Hauptnavigation

Seminar: Probabilistische Graphische Modelle (INF-MSc-102)

Veranstaltung Wochentag Termin Ort
041408 Dienstag 14:15 Uhr - 15:45 Uhr OH12, R4.013

Inhalt

Probabilistische Graphische Modelle ermöglichen das Schlussfolgern unter Unsicherheit. Prominente Anwendungsfelder sind Robotik, Bioinformatik, Linguistik und Bildverarbeitung. Beispielhafte Anwendungen sind die Analyse medizinischer Daten (z.B. Genexpressionsdaten) oder das Folgen von bewegten Objekten in Videodaten (Tracking). Gegenstand des Seminars sind grundlegende Fragestellungen und Techniken der graphischen Modelle, wie z.B.: Repräsentation von Wahrscheinlichkeitverteilungen mittels gerichteter und ungerichteter Modelle, probabilistische Inferenz, Komplexität, Suffiziente Statistiken, Strukturlernen und Parameterschätzung. Ein gutes Verständnis der Konzepte aus dem Modul
  • INF-BSc-P-Math-003: Wahrscheinlichkeitsrechnung und mathematische Statisktik
ist Vorraussetzung für eine erfolgreiche Teilnahme an diesem Seminar. Des Weiteren sind Kenntnisse aus den Modulen
  • INF-MSc-235: Wissensentdeckung in Datenbanken
  • INF-MSc-231: Praktische Optimierung
hilfreich.

Neuigkeiten

  • Vorgaben für Ausarbeitung und Präsentation verfügbar (siehe unten).
  • Eine Übersicht der aktuell vergebenen Themen findet ihr hier (pdf). Für Alle die sich noch nicht entschieden haben: Ihr könnt sowohl theoretische Grundlagen erläutern, als auch Vergleiche verschiedener Algorithmen durchführen. Euer Thema darf jeden beliebigen Aspekt von PGMs behandeln: z.B. Klassifikation, Inferenz, Parameterschätzung, Strukturlernen, Latente Variablen, Approximation, sowie Zusammenhänge zur Graphtheorie oder Komplexitätstheorie. Auch Anwendungen auf Textdaten (z.B. Named Entity Recognition), biomedizinischen Daten (z.B. Proteinfaltung) oder die Erkennung von Objekten in Bild-/Videodaten (gerne auch andere Anwendungen) sind möglich. Die entsprechende Basisliteratur zu eurem Thema erhaltet ihr von mir.
  • Die Ergebnisse der Studienleistung findet ihr hier (pdf). Jeder der mehr als 50% der Punkte erreicht hat gilt offiziell als angemeldet.
    • Das nächste Treffen findet am 7. November 2017 statt. Jeder Teilnehmer soll mir vor diesem Treffen eine E-Mail mit seinem Themenwunsch schicken. Die Themen werden dann offiziell in der Sitzung am 7. November vergeben. Falls ein Thema bereits vor dem 7. November per E-Mail festgelegt wurde, ist eine Teilnahme an dem Treffen nicht zwingend erforderlich.
    • Wer trotz nicht-bestandener Studienleistung unbedingt am Seminar teilnehmen möchte, soll mich per E-Mail kontaktieren.

  • Der Test über Ausgewählte Inhalte des Modules INF-BSc-P-Math-003 findet am 24. Oktober 2017 um 18:00 Uhr (s.t.) statt. Der Raum wird noch bekannt gegeben. Der Test wird in Raum OH12, R1.055 stattfinden!
  • Zwecks Themenfindung lesen Sie bitte [1], Abschnitt 1 bis Abschnitt 2.4.7 (einschließlich).
  • Das erste Treffen findet am 10. Oktober 2017 statt! Eine Anmeldung per E-Mail ist nicht erforderlich. Stattdessen erfolgt die Anmeldung durch die Teilnahme am ersten Treffen. Bei mehr als 15 Studierenden wird eine zufällige Auswahl getroffen! beim zweiten Treffen ein Test über die Inhalte des Moduls INF-BSc-P-Math-003 geschrieben.

Vorgaben

  • Ausarbeitung: 20 bis 25 Seiten. Latex Vorlage demnächst hier zum Download verfügbar.
  • Präsentation: 15 bis 20 Minuten.

Literatur

  • [1] M. J. Wainwright and M. I. Jordan (2008). Graphical models, exponential families, and variational inference. Foundations and Trends in Machine Learning, Vol. 1, Numbers 1--2, pp. 1--305, December 2008. (Download)