Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     
Sommer 2024    Hilfe  Trennstrich  Sitemap  Trennstrich  Impressum  Trennstrich  Datenschutz  Trennstrich  node1  Trennstrich  Switch to english language

Veranstaltung

Künstliche Intelligenz II: Grundlagen des maschinellen Lernens

  • Funktionen:

Grunddaten

Veranstaltungsart Vorlesung SWS 3.00
Veranstaltungsnummer 23834 Semester WS 2020/21
Sprache Deutsch Studienjahr
Hyperlink Stud.IP Lehrveranstaltung nicht mit Stud.IP synchronisiert

Belegung über StudIP

Es gibt keine Informationen zu einem Belegungsverfahren.

Module

1150750 Ergänzende Themen im Themenbereich Smart Computing
1150800 Ausgewählte Themen im Themenbereich Smart Computing
1151430 Intelligente Informationssysteme: Grundlagen des maschinellen Lernens

Termine Gruppe: [unbenannt] iCalendar Export für Outlook

  Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export für Outlook
Mo. 11:00 bis 13:00 woch 02.11.2020 bis 25.01.2021  Onlineveranstaltung - Onlineveranstaltung Raumplan Kirste findet statt    
Einzeltermine anzeigen
iCalendar Export für Outlook
Di. 17:00 bis 19:00 ungerWoch 03.11.2020 bis 19.01.2021  Onlineveranstaltung - Onlineveranstaltung Raumplan Kirste findet statt    
Gruppe [unbenannt]:
 

Verantwortliche Personen

Verantwortliche Personen Zuständigkeit
Prof. Dr.-Ing. Thomas Kirste
Jun.-Prof. Dr.-Ing. Stefan Lüdtke

Studiengänge

Studiengang/Abschluss/Prüfungsversion Semester Teilnahmeart
Informationstechnik/Technische Informatik, Master (2020) 1. - 3. Semester wahlobligatorisch
Umweltingenieurwissenschaften, Master (2019) 1. - 2. Semester wahlobligatorisch
Visual Computing, Master (2014) 1. - 4. Semester wahlobligatorisch

Zuordnung zu Einrichtungen

Fakultät für Informatik und Elektrotechnik (IEF)

Inhalt

Kommentar

In der Lehrveranstaltung „Künstliche Intelligenz II: Grundlagen des maschinellen Lernens“ werden die grundlegenden Konzepte und Methoden für die Verarbeitung von Daten mithilfe maschineller Lernverfahren eingeführt. Nach eine Einführung in das Thema werden zunächst die Grundlagen der Signalverarbeitung, sowie die Gewinnung und Analyse von abstrakteren Merkmalen aus den Rohdaten behandelt. Im Anschluss werden einzelne Ansätze und Lernverfahren im Detail untersucht. Zu diesen gehören

- Bayes’sche Entscheidungstheorie

- Parameterschätzung

- Nichtparametrische Methoden

- Support-Vector Machines

- Nichtmetrische Methoden: Entscheidungsbäume

- Algorithmenunabhänge Verfahren

- Prüfung: schriftlich, Vorbedingung: Hausaufgaben

Literatur

Ausführliche Literaturhinweise werden in der Vorlesung zur Verfügung gestellt.

- „Hands-On Machine Learning with Scikit-Learn & TensorFlow“ Géron A, O’Reilly 2017

- „Pattern Classification“ Duda RO, Hart PE, Stork DG. Wiley, 2nd edition, 2003.

- „Pattern Recognition“ Bishop C. Springer, 2006.

- „The Elements of Statistical Learning – Data Mining, Inference, and Prediction“ Hastie T, Tibshirani R, Friedman J. Springer, 2001.

Lerninhalte

- Signalverarbeitung

- Merkmalsextraktion und -berechnung

- Klassifikationsverfahren

- Bayes’sche Entscheidungstheorie (z.B. Bayes’ Classifier)

- Parameterschätzung (z.B. Maximum Likelihood Schätzer)

- Nichtparametrische Lernverfahren (z.B. KNN)

- Support Vector Machines

- Entscheidungsbäume



Zugehörige weitere Veranstaltung
Nr. Veranstaltungsart Beschreibung SWS
23834 Übung Künstliche Intelligenz II: Grundlagen des maschinellen Lernens 1.00

Strukturbaum

Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WS 2020/21 , Aktuelles Semester: Sommer 2024