Veranstaltungsart und -inhalt
|
| Titel |
Algorithmisches Lernen und Data Mining |
| Dozent |
PD Dr. Maciej Liskiewicz |
| Einordnung |
Diplom-Studiengang 6. und 8. Semester, Master-Studiengang 2. Semester |
| Inhalte |
- Mathematische Analyse von Lernverfahren
- Automatische Klassifizierung
- Konzeptlernen, Hypothesenraum
- Lernen im Limes
- PAC-Lernen (probably approximately correct learning)
- Lernen von Entscheidungsbäumen
- Naive Bayes -Verfahren
- Instance Based Learning
- Suchalgorithmen im Data Mining
|
| Qualifikationsziele |
- Verständnis von Lernmodellen
- Kenntnis grundlegender Verfahren des maschinellen Lernens
- Kenntnis grundlegender Verfahren im Data Mining
- Fähigkeit, reale Problemstellungen mit Lern- und Data Mining Methoden zu bearbeiten
|
| Empfohlene Literatur |
- M.J. Kearns, V.V. Vazirani: An Introduction to Computational Learning Theory, MIT Press 1997
- T.M. Mitchell: Machine Learning, WCB McGraw-Hill 1997
- D. Hand, H. Mannila, P. Smyth: Principles of Data Mining, MIT Press 2001
- J. Han, M. Kamber: Data Mining, Morgan Kaufmann 2001
|
Vorlesung |
| Dozent |
PD Dr. Maciej Liskiewicz |
| Umfang |
2 SWS, ECTS-Credits: 4 |
| Termine |
Fr 10:00 – 12:00, AM4; Ausser Freitag 20.5.11, dann im AM S2.
|
Übung |
| Assistent |
Oliver Witt |
| Umfang |
1 SWS |
| Termine |
Mi 09:00 – 10:00, 10:00 – 11:00, 16:00 – 17:00, ITCS Seminarraum 2021
|
