Universität Wien FIND

Bedingt durch die COVID-19-Pandemie können kurzfristige Änderungen bei Lehrveranstaltungen und Prüfungen (z.B. Absage von Vor-Ort-Lehre und Umstellung auf Online-Prüfungen) erforderlich sein. Melden Sie sich für Lehrveranstaltungen/Prüfungen über u:space an, informieren Sie sich über den aktuellen Stand auf u:find und auf der Lernplattform moodle.

Weitere Informationen zum Lehrbetrieb vor Ort finden Sie unter https://studieren.univie.ac.at/info.

050035 VU Machine Learning (2011S)

Prüfungsimmanente Lehrveranstaltung

Details

max. 25 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Freitag 11.03. 16:30 - 18:00 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Freitag 18.03. 16:30 - 18:00 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Freitag 25.03. 16:30 - 18:00 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Freitag 01.04. 16:30 - 18:00 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Freitag 08.04. 16:30 - 18:00 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Freitag 15.04. 16:30 - 18:00 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Freitag 06.05. 16:30 - 18:00 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Freitag 13.05. 16:30 - 18:00 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Freitag 20.05. 16:30 - 18:00 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Freitag 27.05. 16:30 - 18:00 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Freitag 03.06. 16:30 - 18:00 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Freitag 10.06. 16:30 - 18:00 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Freitag 17.06. 16:30 - 18:00 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
Freitag 24.06. 16:30 - 18:00 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Grundlegende Techniken des Machine Learning: Supervised Learning (Klassifikationsverfahren), Unsupervised Learning (Clusteranalyse), Incomplete Data Problems (EM-Algorithm), Assoziationsmaße, Page Rank,

Art der Leistungskontrolle und erlaubte Hilfsmittel

Anwesenheit, Abgabe und Präsenttaion von Übungsaufgaben (50%), Abschlussprüfung (50%)

Mindestanforderungen und Beurteilungsmaßstab

Vermittlung einiger grundlegenden Prinzipien des Machine Learning und Anwednung der Methoden mit R und Weka.

Prüfungsstoff

Vorlesung mit integrierten praktischen Übungen, hauptsächlich unter Verwendung der Software R und Weka.

Literatur

X. Wu, V. Kumar: The Top Ten Algorithms in Data Mining, Chapman&Hall/CRC Data Mining and Knowledge Discovery Series, 2009
Hastie-Tibshirani-Friedman: The Elements of Statistical Learning, Springer 2001
Cherkassky-Mulier: Learning from Data, IEEE Press, Wiley 2007

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 07.09.2020 15:29