![]() |
![]() |
||||||||
FBI | TAMS | Termine | Lehrveranstaltungen | KVV | FBI News | |||||||||
![]() |
![]() |
||||||||
Vorlesung | Maschinelles Lernen (SS 2006) | ||||||||
|
|||||||||
Lernziele: | Den Studierenden sollen einige repräsentativen Modelle, Methoden und Algorithmen aus dem Themenbereich des maschinellen Lernens vermittelt werden. Dabei lernen sie zusätzlich Anwendungen in Modellierung, Vorhersage und Steuerung von multimodalen Informationssystemen kennen. | ||||||||
Inhalt: |
Maschinelles Lernen behandelt Computer-Algorithmen, welche die Performanz eines Systems automatisch verbessern. In dieser Vorlesung wird sowohl Lernen aus vorhandenen Daten als auch Lernen aus direkter Erfahrung studiert:
|
||||||||
Stell. im Studienplan: |
Hauptstudium, Vertiefungsgebiete A5, P6, P7, P8, P9, T1; Schwerpunkte BV, ES, IM, SV, WV | ||||||||
Voraussetzungen: | Grundkenntnisse der Informatik und Mathematik | ||||||||
Vorgehen: | Vorlesung mit Fallstudien,Demonstrationssystemen und Übungen | ||||||||
Literatur: |
Machine Learning, Tom Mitchell, McGraw Hill, 1997.
Reinforcement Learning: An Introduction. Richard S. Sutton and Andrew G. Barto MIT Press, Cambridge, MA, 1998 Weitere aktuelle Bücher und technische Beiträge werden bekanntgegeben. |
||||||||
Folien zur Vorlesung: |
![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() |
||||||||
Übungen: |
Web-Seite zu der Übung |
||||||||
Periodizität: | regelmäßig | ||||||||
Eignung: | Geeignet für Lehramtsstudierende, Nebenfachstudierende, Bioinformatikstudierende. | ||||||||
Stichworte: | Überwachtes Lernen, Funktionsapproximation, Dimensionsreduktion, Statistische Methoden, Markov-Decision-Processes, Reinforcement-Lernen, Dynamische Programmierung, Strategien-Lernen | ||||||||
![]() |
![]() |
||||||||
Impressum 01.03.2006 top |
http://tams-www.informatik.uni-hamburg.de/lehre/ss2006/vorlesungen/maschinelles_lernen/index.html |