Maschinelles Lernen
Veranstaltung |
Wochentag |
Termin |
Ort |
042519 |
Dienstag |
10.15 - 12.00 |
Otto-Hahn-Str. 14 - Raum 104, Campus Nord |
Inhalt:
Kaum ein Teilgebiet der Künstlichen Intelligenz hat sich so rasant entwickelt wie das maschinelle Lernen,
dessen internationale Tagungen von jeweils mehr als 300 Interessierten besucht werden,
dessen Methoden in vielen erfolgreichen Programmen (z.B. Google, Amazon) integriert sind und dessen Ergebnisse für
viele wendungen (z.B. Marketing, Medizin) erfolgreich genutzt werden. Dabei ist das Gebiet theoretisch wohl fundiert
mit Bezug auf Statistik und Logik.
Die Vorlesung behandelt die Lernaufgaben
- - Klassifikation
- - Subgruppenentdeckung
- - Merkmalsauswahl und -extraktion
- - Clustering.
Dabei werden verschiedene Methoden (Klassen von Algorithmen) mit ihrem jeweiligen theoretischen Hintergrund vorgestellt:
- - Lernen von Entscheidungsbäumen
- - Induktive logische Programmierung
- - Entdeckung häufiger Mengen (frequent set mining)
- - Stützvektormethode (support vector machines)
- - Genetische Programmierung, Evolutionsstrategie
- - kMeans clustering
- - verteiltes clustering
In den Übungen werden zum einen für ein besseres Verständnis Algorithmen nachimplementiert,
zum anderen gegebene Algorithmen auf Datensätze angewandt und die Ergebnisse evaluiert.
Literatur:
- - Vorlesungsskript (Stand 17.09.2013 PDF 5.66MB)
- - Stefan Wrobel, Katharina Morik, Thorsten Joachims (2000) "Maschinelles Lernen und Data Mining" in: Görz, Rollinger, Schneeberger (Hg.) "Handbuch der Künstlichen Intelligenz", Oldenburg, 3. erw. Auflage
- - Tom Mitchell (1997) "Machine Learning", McGraw-Hill
- - Christopher Burges (1998)"A Tutorial on Support Vector Machines for Pattern Recognition" in: Data Mining and Knowledge Discovery Journal, Vol 2, S. 121 - 167, Kluwer
- - John Platt (1999) "Fast Training of Support Vector Machines using Sequential Minimal Optimization" in: Schölkopf, Burges, Smola (eds) "Advances in Kernel Methods ? Support Vector Learning", S. 185 - 208, MIT Press
Weitere Literatur wird in der Vorlesung angegeben.
Folien & Übungen:
Die Folien zur Vorlesung, sowie
Informationen zu den Übungen, die Übungsbätter, usw. finden sich
auf der Übungsseite.