64.360 Vorlesung: Algorithmisches Lernen
Raum | F-334 |
Zeit | ab 7.04.2009 Mittwoch und Donnerstag je 10:15 - 11:45 Uhr |
Veranstalter | Wolfgang Menzel, Jianwei Zhang, Norman Hendrich |
Sprechstunde | Jianwei Zhang: Donnerstag 15:00 - 16:00, F 308 |
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 |
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: Learning of Symbolic Structures (NatsWiki) Part 2: Connectionist Learning Neural Networks, part 1 (Introduction) Neural Networks, part 2 (Perceptron, Backpropagation learning) Neural Networks, part 3a (Associative Memory) Neural Networks, part 3b (Self-organizing Maps) Dimensionality reduction (Principal component analysis) Part 3: Support Vector Machines 1 Support Vector Machines 2 Function Approximation Reinforcement Learning 1 Reinforcement Learning 2 / Applications in Robotics |
Übungen | Web-Seite zu der Übung |
Periodizität | regelmäßig |
Stichworte | Machine Learning, Bayesian Learning, Connectionist Learning, Dimensionality Reduction, Neural Networks, Function Approximation, Reinforcement Learning, Support Vector Machines |