Universität Wien

040976 UK Classification, Clustering and Discrimination (MA) (2023S)

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

An/Abmeldung

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

Details

max. 30 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Dienstag 07.03. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 14.03. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 21.03. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 28.03. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 18.04. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 25.04. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 02.05. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 09.05. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 16.05. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 23.05. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 06.06. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 13.06. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 20.06. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 27.06. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Inhalt:
Classification: loss and risk, SVMs, kernel based methods
Clustering: spectral clustering methods
Discrimination: Linear and non-linear

Methode: Vorlesung mit Übungen, vor Ort so weit wie möglich. Ein Skriptum ist verfügbar aber die Vorlesung wird ständig weiterentwickelt und folgt nicht mehr streng dem Skriptum. Formal mathematische Vorgehensweise gemischt mit Datenbeispielen und Programmieraufgaben in den Übungen.

Art der Leistungskontrolle und erlaubte Hilfsmittel

2 Übungsblätter und ein Endtermtest

Mindestanforderungen und Beurteilungsmaßstab

1. Übung: 20 Punkte
2. Übung: 20 Punkte
Endtermtest: 40 Punkte

P > 70: 1
71 > P > 60: 2
61 > P > 50: 3
51 > P > 40: 4
41 > P: 5

Prüfungsstoff

Inhalte der Vorlesung und der Übungsblätter

Literatur

- Steinwart, Christmann (2008): ``Support Vector Machines'', Springer.
- Luxburg, U. (2007): ``A Tutorial on Spectral Clustering '', Statistics and Computing 17, 395--416.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Di 14.03.2023 11:28