Universität Wien

040649 UK Machine Learning (2010W)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung

The course will be given in English.

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 50 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Freitag 08.10. 15:30 - 17:00 Leopold-Schmetterer-Seminarraum, Universitätsstraße 5, 3.Stock
  • Freitag 15.10. 16:00 - 17:30 PC-Labor Universitätsstraße 5 3.Stock
  • Freitag 22.10. 15:30 - 17:30 Leopold-Schmetterer-Seminarraum, Universitätsstraße 5, 3.Stock
  • Freitag 29.10. 15:30 - 17:30 Leopold-Schmetterer-Seminarraum, Universitätsstraße 5, 3.Stock
  • Freitag 05.11. 15:30 - 17:30 Leopold-Schmetterer-Seminarraum, Universitätsstraße 5, 3.Stock
  • Freitag 12.11. 15:30 - 17:30 Leopold-Schmetterer-Seminarraum, Universitätsstraße 5, 3.Stock
  • Freitag 19.11. 15:30 - 17:30 Leopold-Schmetterer-Seminarraum, Universitätsstraße 5, 3.Stock
  • Freitag 26.11. 15:30 - 17:30 Leopold-Schmetterer-Seminarraum, Universitätsstraße 5, 3.Stock
  • Freitag 03.12. 15:30 - 17:30 Leopold-Schmetterer-Seminarraum, Universitätsstraße 5, 3.Stock
  • Freitag 10.12. 15:30 - 17:30 Leopold-Schmetterer-Seminarraum, Universitätsstraße 5, 3.Stock
  • Freitag 17.12. 15:30 - 17:30 Leopold-Schmetterer-Seminarraum, Universitätsstraße 5, 3.Stock
  • Freitag 14.01. 15:30 - 17:30 Leopold-Schmetterer-Seminarraum, Universitätsstraße 5, 3.Stock
  • Freitag 21.01. 15:30 - 17:30 Leopold-Schmetterer-Seminarraum, Universitätsstraße 5, 3.Stock
  • Freitag 28.01. 15:30 - 17:30 Leopold-Schmetterer-Seminarraum, Universitätsstraße 5, 3.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

This course is about methods and algorithms for an automatic search

for patterns in electronically stored data. Useful patterns allows

us to make non-trivial predictions of new data. Try to derive your

own understanding of machine learning by using the following

definition: "Things learn when they change they behavior that makes

them perform better in the future" [1].

Art der Leistungskontrolle und erlaubte Hilfsmittel

Mindestanforderungen und Beurteilungsmaßstab

The course will introduce practical machine learning tools and techniques with applications to data mining using commercial, scientific, and web data sets. Techniques to be covered include:

- decision trees

- learning rules

- neural networks

- Bayesian classification

- support vector machines

- association rules.

Practical knowledge of these techniques through the use of the Weka software environment [2] will be acquired.

Prüfungsstoff

Literatur

[1] Data Mining: Practical Machine Learning Tools and Techniques
(Second Edition), Ian H. Witten, Eibe Frank
http://www.cs.waikato.ac.nz/~ml/weka/book.html

[2] WEKA 3: Data Mining Software in Java
http://www.cs.waikato.ac.nz/~ml/weka/index.html

[3] Pattern Recognition and Machine Learning
Pattern Recognition and Machine Learning, Christopher M. Bishop
http://research.microsoft.com/en-us/um/people/cmbishop/prml/

[4] Introduction to Machine Learning
Ethem Alpaydin
The MIT Press, October 2004, ISBN 0-262-01211-1

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 07.09.2020 15:29