Inhalt

[ 921PECOMLPK13 ] KV Machine Learning and Pattern Classification

Versionsauswahl
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
4,5 ECTS M1 - Master 1. Jahr Informatik Gerhard Widmer 3 SSt Johannes Kepler Universität Linz
Detailinformationen
Quellcurriculum Masterstudium Computer Science 2019W
Ziele Die Lehrveranstaltung bietet eine Einführung in Standard-Methoden der Musterklassifikation, des maschinellen Lernens und der statistischen Datenmodellierung. Grundlegende Konzepte und Methoden werden erklärt und die Anwendung dieser Methoden auf komplexe praktische Probleme wird in der Vorlesung diskutiert und im praktischen Teil der Lehrveranstaltung anhand eines nichttrivialen Klassifikationsprojekts praktisch erprobt.
Lehrinhalte Bayes-Klassifikation und Bayes-Error; Dichteschätzung; Nearest-neighbour-Methoden; Standard-Klassifizierer im Machine Learning (Entscheidungsbäume, Naive Bayes, Feedforward Neural Networks, Supportvektor-Maschinen, Ensemble-Methoden); empirische Evaulierung von Klassifizierern; Clustering und Mixtur-Modelle; Dimensionalitätsreduktion und Datenprojektionsmethoden; Markov-Prozesse und Hidden Markov Models.

Praktischer Teil: Die Studierenden führen ein Musterklassifikationsprojekt mit komplexen Daten in mehreren Stufen durch -- von der Definition und Analyse von Features über das Trainieren verschiedenster Klassifizierer bis zum systematischem Experimentieren und Evaluieren.

Beurteilungskriterien Schriftliche Prüfung am Ende des Semesters; Durchführung eines praktischen Projekts (in Gruppen) während des Semesters.
Lehrmethoden Folienvortrag; gemeinsame Diskussion der Projektarbeiten
Abhaltungssprache Englisch
Literatur Wird zu Lehrveranstaltungsbeginn bekanntgegeben
Lehrinhalte wechselnd? Nein
Äquivalenzen INMPPKVMLPC: KV Machine Learning and Pattern Classification (4,5 ECTS)
Präsenzlehrveranstaltung
Teilungsziffer -
Zuteilungsverfahren Direktzuteilung