040976 UK Classification, Clustering and Discrimination (2019S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 11.02.2019 09:00 bis Mi 20.02.2019 12:00
- Abmeldung bis Do 14.03.2019 23:59
Details
max. 50 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
The lecture will start on 07.03.2019
Donnerstag
07.03.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
14.03.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
21.03.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
28.03.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
04.04.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
11.04.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
02.05.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
09.05.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
16.05.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
23.05.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
06.06.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
13.06.
16:45 - 18:15
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Freitag
21.06.
13:15 - 16:30
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Donnerstag
27.06.
16:45 - 20:00
Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
The course presents basic and advanced methods used in the areas of classification, clustering and discrimination. Rather than on classical statistical procedures, the focus is on modern techniques of machine learning which also enable applications to “big data” and business analytics. The topics of this course include neural networks, introduction to deep learning, support vector machines, feature selection, and main clustering algorithms.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Exercises/projects will include the implementation of basic techniques and comparison/evaluation of discussed techniques on diverse real-life data sets.There will be one final exam.The final grade will be computed as follows:
0.5Exercises+0.5FinalExam
0.5Exercises+0.5FinalExam
Mindestanforderungen und Beurteilungsmaßstab
For a positive grade students must obtain at least
- 50% of points and in the final exam and
- 50% of points in exercises.
- 50% of points and in the final exam and
- 50% of points in exercises.
Prüfungsstoff
The whole material discussed in the class is relevant for the final exam.
Exercises will include the implementation of basic techniques and the comparison of discussed techniques on well known data sets in the literature.
Exercises will include the implementation of basic techniques and the comparison of discussed techniques on well known data sets in the literature.
Literatur
The literature will include different scientific papers and book chapters.
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mo 07.09.2020 15:29