Inhalt

[ 521ANWEIMLV18 ] VL Introduction to Machine Learning

Versionsauswahl
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
3 ECTS B3 - Bachelor 3. Jahr Informatik Ulrich Bodenhofer 2 SSt Johannes Kepler Universität Linz
Detailinformationen
Quellcurriculum Bachelorstudium Informatik 2018W
Ziele Als Machine Learning bezeichnet man eine Klasse von Verfahren, die Modelle/Beziehungen aus Daten identifizieren. Machine-Learning-Verfahren sind in verschiedensten Disziplinen unverzichtbar geworden, wie etwa Prozessmodellierung, Signal- und Bildverarbeitung, Sprachverarbeitung, in den Life Sciences und vielem mehr. Diese Vorlesung bietet einen Einstieg in das Gebiet Machine Learning. Es werden die wesentlichsten Konzepte vorgestellt und ein Überblick über die wichtigsten Verfahren geboten, der mit Beispielen aktueller spannender Anwendungen aus der Praxis ergänzt wird.
Lehrinhalte
  • Taxonomie von Machine Learning Methoden: Überwachtes Lernen und unüberwachtes Lernen, Reinforcement Learning, Klassifikation und Regression.
  • Beispiele für grundlegende Methoden: Lineare Regression, k-means, Nearest Neighbor, Principal Component Analysis.
  • Evaluierung von Machine Learning Modellen: Kreuztabellen, ROC Kurven
  • Support-Vektor-Maschinen und Random Forests mit Beispielen aus den Life Sciences
  • Neuronale Netze und Deep Learning mit Beispielen aus der Bildanalyse, Pharmakologie und Sprachverarbeitung
  • Clustering- und Biclustering-Verfahren
Beurteilungskriterien Schriftliche Klausur
Lehrmethoden Folienvortrag ergänzt durch Online-Demos und Beispiele, die an der Tafel vorgeführt werden
Abhaltungssprache English
Literatur Lehrveranstaltungsunterlagen werden zum Download zur Verfügung gestellt
Lehrinhalte wechselnd? Nein
Äquivalenzen INBIPVOBIIN: VO Bioinformatics (3 ECTS)
Präsenzlehrveranstaltung
Teilungsziffer -
Zuteilungsverfahren Direktzuteilung