Angewandte technisch kognitive Systeme - Institut für Anthropomatik

Maschinelles Lernen 2 - Fortgeschrittene Verfahren

  • Typ: Vorlesung (V)
  • Semester: SS 2015
  • Zeit: 17.04.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten


    17.04.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    24.04.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    24.04.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    08.05.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    08.05.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    15.05.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    15.05.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    22.05.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    22.05.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    29.05.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    29.05.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    05.06.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    05.06.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    12.06.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    12.06.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    19.06.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    19.06.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    26.06.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    26.06.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    03.07.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    03.07.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    10.07.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    10.07.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    17.07.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten

    17.07.2015
    09:45 - 11:15 wöchentlich
    50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten


  • Dozent: Prof.Dr.-Ing. Johann Marius Zöllner
    Prof.Dr. Rüdiger Dillmann
  • SWS: 2
  • LVNr.: 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.