Maschinelles Lernen
Auf dieser Seite finden Sie verschiedene Informationen zu der Vorlesung "Maschinelles Lernen", die im Sommersemester 2009 von Andreas Nürnberger gehalten wird. Diese Seite wird während der Lehrveranstaltung laufend aktualisiert.
Allgemeines
Diese Vorlesung gibt eine Einführung in die Prinzipien, Techniken und Anwendungen des Maschinellen Lernens. Unter anderem werden folgende Themen betrachtet:
- Funktionslernen
- Konzepträume und Konzeptlernen
- Instanz-basiertes Lernen
- Clustering
- Entscheidungsbäume
- Bayesches Lernen
- Verstärkungslernen
Termine und Räume
Achtung: Die Übung am 24.6. findet in G29-144 statt.
Zeit | Beginn | Raum | |
Vorlesung | Do 15:00 - 17:00 | 02.04.2009 | G22A-110 |
Übung | Mi 13:00 - 15:00 | 08.04.2009 | G22A-122 |
Lehrende
Wenn Sie Fragen zur Vorlesung oder zu den Übungen haben, wenden Sie sich bitte (wenn möglich, per E-Mail) an:
Organisatorische Regelungen für die Prüfung und den Übungsschein
Alle Studenten müssen an den Übungen teilnehmen. Zu jeder Übungsstunde gibt es ein Übungsblatt, dass eine Woche vorher ausgegeben wird. Dieses ist von allen Studenten vorzubereiten und wird dann in der Übung besprochen. Es gibt zwei verschiedene Arten von Aufgaben: Verständnisfragen und Programmieraufgaben. Die Programmieraufgaben können auch in kleinen Gruppen von bis zu drei Studenten gemeinsam gelöst werden und müssen immer vor der jeweiligen Übung eingesendet werden. Vorbedingung für einen Schein bzw. Prüfung ist die Erfüllung der folgenden Kriterien:
- Erreichen von mindestens 2/3 der Programmierpunkte (diese sind in Abhängigkeit von der Schwierigkeit auf die einzelnen Aufgaben verteilt)
- Lösen von mindestens 2/3 der Verständnisaufgaben
- Präsentation von mindestens 2 Lösungen in den Übungen.
Die Prüfung erfolgt mündlich. Für den Schein gibt es ebenfalls ein abschließendes mündliches Gespräch von etwa 10 Minuten.
Materialien
Vorlesung
- Kursinformationen
- Einführung Maschinelles Lernen
- Konzept-Lernen
- Entscheidungsbäume (geändert am 24.4.2009)
- Neuronale Netze
- Baysches Lernen (geändert am 20.5.2009)
- Instanzbasiertes Lernen (geändert am 11.6.2009)
- Assoziationsregellernen
- Reinforcement Learning
- Evolutionary Algorithms
Übung
- Bewertung der Programmieraufgaben
- 1. Übungsblatt (and here in English)
TicTacToe Umgebung (jetzt mit Ant-Script)
Beispiel Ant-Script - 2. Übungsblatt (and here in English)
- 3. Übungsblatt (and here in English)
cardata.zip - 4. Übungsblatt (and here in English)
- 5. Übungsblatt
- 6. Übungsblatt
- 7. Übungsblatt
- 8. Übungsblatt
- 9. Übungsblatt
Literatur
- Machine Learning
Tom Mitchell
McGraw-Hill, 1997. - Artificial Intelligence: A Modern Approach
S. Russel und P. Norvig
Prentice Hall, Englewood Cliffs, 2003