FBI | TAMS | Termine | Lehrveranstaltungen | KVV | FBI News
Vorlesung	Maschinelles Lernen (SS 2006)
	Raum: F-334 Zeit: Mittwoch 10:00 c.t. - 12:00 (2 SWS) Veranstalter: Jianwei Zhang Sprechstunde: Donnerstag 15:00 - 16:00, F 308
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: Formulierung des Lernproblems, adaptives Lernen Funktionsapproximation und Regularisierungsnetzwerke Statistische Lerntheorie Daten- und Dimensionsreduktion Reinforcement-Lernen und evaluatives Feedback Markov-Entscheidungsprozesse und Lernalgorithmen Dynamische Programmierung und Monte Carlo Methoden Generalisierung und Fallstudien
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:	Woche 14 / 2006 (PDF) Woche 14 / 2006 (PS: 2 Folien pro Seite) Woche 15 / 2006 (PDF) Woche 15 / 2006 (PS: 2 Folien pro Seite) Woche 16 / 2006 (PDF) Woche 16 / 2006 (PS: 2 Folien pro Seite) Woche 17 / 2006 (PDF) Woche 17 / 2006 (PS: 2 Folien pro Seite) Woche 18 / 2006 (PDF) Woche 18 / 2006 (PS: 2 Folien pro Seite) Woche 19 / 2006 (PDF) Woche 20 / 2006 (PDF) Woche 20 / 2006 (PS: 2 Folien pro Seite) Woche 21 / 2006 (PDF) Woche 21 / 2006 (PS: 2 Folien pro Seite) Woche 22 / 2006 (PDF) Woche 22 / 2006 (PS: 4 Folien pro Seite) Woche 24 / 2006 (PDF) Woche 24 / 2006 (PS: 4 Folien pro Seite) Woche 25 / 2006 (PDF) Woche 25 / 2006 (PS: 2 Folien pro Seite) Woche 26 / 2006 (PDF) Woche 26 / 2006 (PS: 4 Folien pro Seite) Woche 27 / 2006 (PDF) Woche 27 / 2006 (PS: 2 Folien pro Seite) Woche 28 / 2006 (PDF) Woche 28 / 2006 (PS: 4 Folien pro Seite)
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