040649 UK Machine Learning (2015W)
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 14.09.2015 09:00 bis Do 24.09.2015 14:00
- Abmeldung bis Mi 14.10.2015 23:59
Details
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Mittwoch
07.10.
18:00 - 19:30
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch
14.10.
18:00 - 19:30
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch
21.10.
18:00 - 19:30
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch
28.10.
18:00 - 19:30
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch
04.11.
18:00 - 19:30
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch
11.11.
18:00 - 19:30
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch
18.11.
18:00 - 19:30
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch
25.11.
18:00 - 19:30
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch
02.12.
18:00 - 19:30
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch
09.12.
18:00 - 19:30
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch
16.12.
18:00 - 19:30
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch
13.01.
18:00 - 19:30
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch
20.01.
18:00 - 19:30
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Mittwoch
27.01.
18:00 - 19:30
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. Topics to be covered include:
- Data preparation
- Evaluation, Model Selection
- Instance Based Learning
- Decision Trees
- Random Forests
- Naive Bayes
- Bayesian Networks
- Ensemble learning
- Data preparation
- Evaluation, Model Selection
- Instance Based Learning
- Decision Trees
- Random Forests
- Naive Bayes
- Bayesian Networks
- Ensemble learning
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