64.360 Vorlesung: Algorithmisches Lernen
Raum | F-334 |
Zeit | ab 11.04.2012 Mittwochs je 08:15-09:45 und 10:15 - 11:45 Uhr |
Veranstalter | Stefan Wermter, Wolfgang Menzel, Jianwei Zhang, Norman Hendrich |
Inhalt | Die Vorlesung stellt die wichtigsten Grundkonzepte und Verfahren des maschinellen Lernens vor. |
Lernziele | Kenntnisse über:
|
Voraussetzungen | Grundkenntnisse der Informatik, Mathematik und Physik |
Vorgehen | Vorlesung mit Übungen |
Literatur |
Marsland: Machine Learning - an Algorithmic Perspective, CRC Press, 2010 Rojas: Neural networks - a systematic introduction, Springer, 1996 Mitchell, T.M.: Machine learning, McGraw-Hill, 1997 Sutton and Barto: Reinforcement Learning - an introduction, MIT Press 1998 Weitere aktuelle Bücher und technische Beiträge werden bekanntgegeben. |
Folien zur Vorlesung |
Part 1: Symbolic Approaches Wiki bei NATS Part 2: Neural Networks Die Folien zum zweiten Themenkomplex der Vorlesung sind über das FB-Commsy verfügbar. 6: Introduction, Perceptron 7: Multi-Layer Perceptron 8: Unsupervised Learning 9: Recurrent Architectures 10: Support Vector Machines 1 11: Support Vector Machines 2 11: Principal Component Analysis Part 3: Reinforcement Learning 12: Function Approximation 13: Reinforcement Learning 1 14: Reinforcement Learning 2 / Applications in Robotics |
Übungen |
Web-Seite zu der Übung |