MIN-Fakultät
Fachbereich Informatik
TAMS

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:
  • Verarbeitungsaufgaben für lernende Systeme
  • Klassen lernender Systeme
  • Lernverfahren
  • Daten- und Dimensionsreduktion
  • Entwurfsmethodik für lernende Verfahren
  • Evaluation der Systemleistung
Fähigkeiten zur:
  • Beurteilung des Schwierigkeitsgrades einer gegebenen Aufgabe
  • Leistungsbeurteilung von Lernverfahren
  • Erkennen grundlegender Beschränkungen von Lernverfahren
  • Vergleichende Bewertung alternativer Lösungsansätze
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