Course Schedule

Start > Masterprogramm Management (M.A./M.Sc.) -> Management & Engineering (ab Studienbeginn WS 19/20) -> Maschinelles Lernen und Data Mining

Lehrveranstaltungen

Maschinelles Lernen und Data Mining (Vorlesung)

Dozent/in: Ulf Brefeld, Samuel Gomes Fadel

Termin:
 wöchentlich | Montag | 08:15 - 09:45 | 17.10.2022 - 03.02.2023 | C 12.006 Seminarraum | ..

Inhalt: Im Modul werden die Grundbegriffe des Lernens aus Daten eingeführt. Unterschiedliche Techniken des überwachten und unüberwachten maschinellen Lernens und Data Mining werden hergeleitet und ihre Eigenschaften besprochen. Beispiele sind theoretische/empirische Risikominimierung, Entscheidungsbäume, Random Forests, Regularisierung, Perzeptron, Multilayer Netzwerke, Support Vector Machines, k-means, probabilistische Clustering-Verfahren mittels Expectation Maximization. Weitere Themen sind Experimentalaufbau, Interpretation der Ergebnisse, Kommunikation der Ergebnisse, z.B. Kreuzvalidierung sowie nichtlineare Merkmalsgenerierung, z.B. mittels Kernfunktionen.

Maschinelles Lernen und Data Mining (Übung) (Übung)

Dozent/in: Samuel Gomes Fadel

Termin:
 wöchentlich | Donnerstag | 08:15 - 09:45 | 17.10.2022 - 03.02.2023 | C 12.013 Seminarraum | .

Inhalt: Im Modul werden die Grundbegriffe des Lernens aus Daten eingeführt. Unterschiedliche Techniken des überwachten und unüberwachten maschinellen Lernens und Data Mining werden hergeleitet und ihre Eigenschaften besprochen. Beispiele sind theoretische/empirische Risikominimierung, Entscheidungsbäume, Random Forests, Regularisierung, Perzeptron, Multilayer Netzwerke, Support Vector Machines, k-means, probabilistische Clustering-Verfahren mittels Expectation Maximization. Weitere Themen sind Experimentalaufbau, Interpretation der Ergebnisse, Kommunikation der Ergebnisse, z.B. Kreuzvalidierung sowie nichtlineare Merkmalsgenerierung, z.B. mittels Kernfunktionen.