Home | deutsch  | Legals | Sitemap | KIT

Maschinelles Lernen 2 - Fortgeschrittene Verfahren

Maschinelles Lernen 2 - Fortgeschrittene Verfahren
type: Vorlesung (V)
semester: SS 2013
time: 19.04.2013
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten


26.04.2013
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

03.05.2013
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

10.05.2013
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

17.05.2013
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

24.05.2013
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

31.05.2013
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

07.06.2013
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

14.06.2013
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

21.06.2013
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

28.06.2013
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

05.07.2013
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

12.07.2013
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

19.07.2013
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten


lecturer: Prof.Dr. Rüdiger Dillmann
Prof.Dr.-Ing. Johann Marius Zöllner
Tobias Gindele
Tobias Bär
sws: 2
lv-no.: 24620
Beschreibung Das Themenfeld maschineller Entscheidungs- und Inferenzverfahren unter Berücksichtigung von Unsicherheiten bzw. unvollständiger Wissen ist ein stark expandierendes Wissensgebiet und Gegenstand zahlreicher Forschungs- und Entwicklungsvorhaben.

Der Schwerpunkt dieser Vorlesung liegt in der Einbettung und Anwendung von maschinell lernenden Verfahren in Entscheidungs- und Inferenzsystemen beginnend bei Methoden der Dimensionsreduktion, Merkmalsselektion/-bewertung über semi-überwachtes Lernen (semi-supervised learning) hin zu Methoden der probabilistischen Inferenz (wie z.B. Dempster Shafer Informationsfusion, Dynamischen und objektorientierte Bayessche Netze, POMDP, etc).

Die Vorlesung führt in die Grundprinzipien sowie Grundstrukturen ein und erläutert bisher entwickelte Algorithmen. Der Aufbau sowie die Arbeitsweise der Verfahren und Methoden werden anhand einiger Anwendungsszenarien, insbesondere aus dem Gebiet technischer (teil-)autonomer Systeme vorgestellt und erläutert.
Literaturhinweise Die Foliensätze sind als PDF verfügbar.

Weiterführende Literatur

  • Stuart J. Russell, Peter Norvig: 'Künstliche Intelligenz: Ein moderner Ansatz', Pearson Studium, 2004
  • Weitere (spezifische) Literatur zu einzelnen Themen wird in der Vorlesung angegeben.
Lehrinhalt
  • Der Studierende soll seine Kenntnis der Standardlösungen und -verfahren aus dem Bereich ML vertiefen und neue Methoden kennenlernen.
  • Die Fähigkeit zur Einbettung und Anwendung von Methoden des Maschinellen Lernens in Entscheidungs- und Inferenzsysteme soll erworben werden.
  • Darüber hinaus soll der Studierende sein Wissen im Bereich des Maschinellen Lernens zur Auswahl geeigneter Modelle und Methoden für vorliegende Probleme festigen.