040649 UK Machine Learning (2013W)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Fr 06.09.2013 09:00 bis Fr 20.09.2013 14:00
- Anmeldung von Mi 25.09.2013 09:00 bis Do 26.09.2013 17:00
- Abmeldung bis Mo 14.10.2013 23:59
Details
max. 50 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Montag
07.10.
18:00 - 20:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
14.10.
18:00 - 20:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
21.10.
18:00 - 20:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
28.10.
18:00 - 20:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
04.11.
18:00 - 20:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
11.11.
18:00 - 20:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
18.11.
18:00 - 20:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
25.11.
18:00 - 20:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
02.12.
18:00 - 20:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
09.12.
18:00 - 20:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
16.12.
18:00 - 20:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
13.01.
18:00 - 20:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
20.01.
18:00 - 20:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Freitag
24.01.
17:00 - 18:30
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
27.01.
18:00 - 20:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
24.02.
17:00 - 19:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
This course is about methods and algorithms for an automatic searchfor patterns in electronically stored data. Useful patterns allowsus to make non-trivial predictions of new data. Try to derive yourown understanding of machine learning by using the followingdefinition: "Things learn when they change they behavior that makesthem 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.
Prüfungsstoff
Literatur
[1] Data Mining: Practical Machine Learning Tools and Techniques
(Third Edition, 2011), Ian H. Witten, Eibe Frank, Mark A. Hall
http://www.cs.waikato.ac.nz/~ml/weka/book.html[2] Introduction to Machine Learning
Ethem Alpaydin
The MIT Press, October 2004, ISBN 0-262-01211-1
(Third Edition, 2011), Ian H. Witten, Eibe Frank, Mark A. Hall
http://www.cs.waikato.ac.nz/~ml/weka/book.html[2] 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