Home | english  | Impressum | Sitemap | KIT

Maschinelles Lernen 1 - Grundverfahren

Maschinelles Lernen 1 - Grundverfahren
Typ: Vorlesung (V) Links:
Semester: WS 12/13
Zeit: 16.10.2012
09:45-11:15
50.34 Raum -101


23.10.2012
09:45-11:15
50.34 Raum -101

30.10.2012
09:45-11:15
50.34 Raum -101

06.11.2012
09:45-11:15
50.34 Raum -101

13.11.2012
09:45-11:15
50.34 Raum -101

20.11.2012
09:45-11:15
50.34 Raum -101

27.11.2012
09:45-11:15
50.34 Raum -101

04.12.2012
09:45-11:15
50.34 Raum -101

11.12.2012
09:45-11:15
50.34 Raum -101

18.12.2012
09:45-11:15
50.34 Raum -101

08.01.2013
09:45-11:15
50.34 Raum -101

15.01.2013
09:45-11:15
50.34 Raum -101

22.01.2013
09:45-11:15
50.34 Raum -101

29.01.2013
09:45-11:15
50.34 Raum -101

05.02.2013
09:45-11:15
50.34 Raum -101

Dozent: Prof.Dr. Rüdiger Dillmann
Prof.Dr.Ing. Johann Marius Zöllner
Tobias Bär
Tobias Gindele
SWS: 2
LVNr.: 24150

Bemerkungen:

Ansprechpartner: M. Zöllner, email: zoellner@fzi.de

Vortragssprache:

Deutsch

Beschreibung:

Das Themenfeld Wissensakquisition und Maschinelles Lernen ist ein stark expandierendes Wissensgebiet und Gegenstand zahlreicher Forschungs- und Entwicklungsvorhaben. Der Wissenserwerb kann dabei auf unterschiedliche Weise erfolgen. So kann ein System Nutzen aus bereits gemachten Erfahrungen ziehen, es kann trainiert werden, oder es zieht Schlüsse aus umfangreichem Hintergrundwissen.


Die Vorlesung behandelt sowohl symbolische Lernverfahren, wie induktives Lernen (Lernen aus Beispielen, Lernen durch Beobachtung), deduktives Lernen (Erklärungsbasiertes Lernen) und Lernen aus Analogien, als auch subsymbolische Techniken wie Neuronale Netze, Support Vektor-Maschinen und Genetische Algorithmen. Die Vorlesung führt in die Grundprinzipien sowie Grundstrukturen lernender Systeme ein und untersucht die bisher entwickelten Algorithmen. Der Aufbau sowie die Arbeitsweise lernender Systeme wird an einigen Beispielen, insbesondere aus den Gebieten Robotik und Bildverarbeitung, vorgestellt und erläutert.

Lehrinhalt:

  • Der Studierende soll Kenntnis der Standardmethoden im Bereich des Maschinellen Lernens erlangen.
  • Die Fähigkeit zur Einordnung und Bewertung von Methoden zum Maschinellen Lernen soll erworben werden.
  • Darüberhinaus soll der Studierende ausreichend Wissen im Bereich des Maschinellen Lernens erwerben zur Auswahl geeigneter Modelle und Methoden für vorliegende Probleme.