Seminar: Methoden des Active Learning (S2) |  |
Seminar: Methods of Active Learning (S2) |
Termine und Räume
Dozenten:
Themengebiet:
Angewandte Informatik
Adressaten:
Studierende des Information Engineering im Bachelor-Vertiefungsstudium und Masterstudium.
Voraussetzung
Keine. Kenntnisse allgemeiner Data Mining Methoden (Clustering, SVM, Neuronale Netze) vorteilhaft.
Inhalt:
Aus Erfahrung zu lernen ist ein herausragendes Merkmal von Intelligenz. Da man nicht immer aufs Neue von vorne beginnen möchte alles neu zu lernen, noch vergangene Dinge ignorieren will, sollte man beim Lernen neuer Dinge auch altes Wissen - mehr oder weniger vorsichtig - adaptieren.
Dies hat sich im Laufe der Evolution immer als nützlich erwiesen wenn es darum ging, sich an neue Umgebungen und Bedingungen anzupassen. Dieser natürliche bidirektionale Lernprozess zwischen Lehrer und Schüler dient als Vorlage für das Konzept des "Aktiven Lernens" im Bereich des maschinellen Lernens. Dabei wird das herkömmliche passive Modell des überwachten Lernens erweitert, indem der Lerner versucht, möglichst informative Beispiele in den Daten zu finden, wodurch das Verfahren beschleunigt und weniger fehleranfällig wird.
In diesem Seminar beschäftigen wir uns mit verschiedenen praktischen Anwendungen des Aktiven Lernens im Data Mining.
Jeder Teilnehmer erhält am Anfang des Semesters ein individuelles Thema und hält zu definierten Zeitpunkten Rücksprache mit seinem Betreuer. Zu den übrigen Terminen finden die Vorträge der Teilnehmer statt, an die sich jeweils eine Diskussion über Form und Inhalt anschließt.
Ablauf
| Name | Paper | Termin |
|---|---|---|
| H. Dolfing | Committee-Based Sampling for Training Probabilistic Classifiers | 12.12.2005 |
| A. Kunze | On Active Learning for Data Acquisition | 12.12.2005 |
| J. Halatsch | Active Learning for Outdoor Obstacle Detection | 12.12.2005 |
| D. Morent | Active Semi-Supervision for Pairwise Constrained Clustering | 23.01.2006 |
| M. Stanev | Selective Sampling with Redundant Views | 23.01.2006 |
Formatvorlage und Richtlinien
Einige Hinweise zu Seminaren am Lehstuhl gibt es hier.
Leistungsnachweise:
Mündlicher Vortrag von ca. 30min inklusive Fragen und Diskussion und schriftliche Ausarbeitung von ca. 10-15 Seiten (wahlweise auf Deutsch oder Englisch) zum jeweiligen Thema; Anwesenheit und aktive Teilnahme an den Vortragsdiskussionen.
Leistungspunkte:
Bei Bestehen des Leistungsnachweises können 4 Punkte erworben werden.
Pool:
Studierende, die das Seminar besuchen, tragen sich bitte in die Gruppe s_active_W05 ein. Eine Anleitung dazu findet man hier.
Angebot im Lehrexport:
Mathematik, Nebenfach oder Schwerpunkt Informatik
Physik, Wahlpflichtfach Informatik
Nebenfach Informatik in einem Magisterstudiengang
