Universität Wien

050035 VU Machine Learning (2015S)

3.00 ECTS (2.00 SWS), SPL 5 - Informatik und Wirtschaftsinformatik
Prüfungsimmanente Lehrveranstaltung

URL http://vda.univie.ac.at/Teaching/ML/15s
Moodle

An/Abmeldung

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

Details

max. 25 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Freitag 06.03. 15:00 - 16:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Freitag 13.03. 15:00 - 16:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Freitag 20.03. 15:00 - 16:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Freitag 27.03. 15:00 - 16:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Freitag 17.04. 15:00 - 16:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Freitag 24.04. 15:00 - 16:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Freitag 08.05. 15:00 - 16:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Freitag 15.05. 15:00 - 16:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Freitag 22.05. 15:00 - 16:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Freitag 29.05. 15:00 - 16:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Freitag 05.06. 15:00 - 16:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Freitag 12.06. 15:00 - 16:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Freitag 19.06. 15:00 - 16:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Freitag 26.06. 15:00 - 16:30 Hörsaal 3, Währinger Straße 29 3.OG

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Grundlegende Techniken des Machine Learning: Supervised Learning (Klassifikationsverfahren): Naive Bayes, Classification Trees, Combination Methods, Support Vector Machine, Neural Networks, Genetic Algorithms; Unsupervised Learning (Clusteranalyse): K-Means, SOM, Isomap, Model based Clustering

Art der Leistungskontrolle und erlaubte Hilfsmittel

Anwesenheit, Abgabe von Übungsaufgaben (50%), Reaktionsblätter (10%, Test (40%)

Mindestanforderungen und Beurteilungsmaßstab

Vermittlung einiger grundlegenden Prinzipien des Machine Learning und Anwednung der Methoden mit Matlab, R und Python.

Prüfungsstoff

Vorlesung mit integrierten praktischen Übungen, hauptsächlich unter Verwendung von Matlab, R und Python.

Literatur

Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer 2007;
Hastie-Tibshirani-Friedman: The Elements of Statistical Learning, Springer 2009

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 07.09.2020 15:29