Lernen aus Daten - Maschinelles Lernen in der Datenanalyse (V2)
Learning from Data - Machine Learning in Data Analysis
Monatliche Blockvorlesung; Raum: C 422
Vorlesung: 14.11., 12.12., 16.1., 30.1., 13.2., Fr 14:00-17:00 h
Übung: 28.11., 9.1., 23.1., 6.2., Fr 14:00-15:30 h
Dozenten:
Michael Berthold (V), Thomas Gabriel und Bernd Wiswedel (Ü)
Themengebiet:
Angewandte Informatik, Grundlagen der Informatik
Adressaten:
Studierende des Information Engineering im
Bachelor-Vertiefungsstudium und Masterstudium.
Inhalt:
Die Vorlesung führt Methoden des Maschinellen
Lernens für das Verstehen von Daten ein. Dabei liegt der
Schwerpunkt auf der Vorstellung von verschiedenen Ansätzen, die
interpretierbare Modelle aus Daten erzeugen und deren Vor- und
Nachteile bei der Modellierung unterschiedlicher Strukturen.
- Lernen aus Daten: Problemstellung, Lernen von Konzepten, Hypothesendarstellung
- Version Spaces und Evaluierung von Hypothesen,
- Entscheidungsbäume,
- Künstliche Neuronale Netze,
- Lernen von Fuzzy Regeln und
- Genetische Algorithmen.
Literatur:
- Tom Mitchell: Machine Learning, Mc-Graw Hill, 1997.
- Michael Berthold, David Hand: Intelligent Data Analysis, An
Introduction, 2te Auflage, Springer-Verlag, 2003.
Leistungsnachweis:
Voraussetzung für den Erhalt des Scheins sowie für die Zulassung zur mündlichen
Prüfung ist die aktive Teilnahme an den Übungen. Studenten, die den Schein
erwerben wollen, müssen mindestens 66% der Übungsaufgaben votieren, für die
Zulassung zur mündlichen Prüfung sind 50% ausreichend. Mit Votierung einer
Aufgabe erklärt sich der Student bereit seinen Lösungsweg an der Tafel
vorzustellen.
Prüfungstermine:
- Haupttermin: Do,Fr 19./20.2.2003
- Nachtermin: Do,Fr 1./2.4.2003
Leistungspunkte:
Bei Bestehen des Leistungsnachweises können 3 Punkte erworben werden.
Angebot im Lehrexport:
Mathematik, Nebenfach oder Schwerpunkt Informatik
Physik, Wahlpflichtfach Informatik
Nebenfach Informatik in einem Magisterstudiengang
Pool
ml_W03
[an error occurred while processing this directive]
