Vorlesungsverzeichnis
Suchen Sie hier über ein Suchformular im Vorlesungsverzeichnis der Leuphana.
Lehrveranstaltungen
Maschinelles Lernen und Data Mining (Vorlesung)
Dozent/in: Ulf Brefeld
Termin:
Einzeltermin | Do, 17.10.2019, 10:15 - Do, 17.10.2019, 11:45 | C 12.015 Seminarraum
wöchentlich | Donnerstag | 10:15 - 11:45 | 24.10.2019 - 31.01.2020 | C 1.209 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: Sebastian Mair
Termin:
wöchentlich | Dienstag | 10:15 - 11:45 | 14.10.2019 - 31.01.2020 | C 12.013 Seminarraum | Kreidetafel und Beamer
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.