Veranstaltungsart und -inhalt
|
| Titel |
Algorithmisches Lernen und Data Mining |
| Dozent |
Prof. Dr. Maciej Liskiewicz |
| Einordnung |
Master-Studiengang 1.-3. Semester |
| Inhalte |
- Konzeptlernen
- PCA-Lernen
- Naive Bayes-Verfahren
- Suchalgorithmen im Data Mining
- Lernen im Limes
- Entscheidungsbaumverfahren
- Instance Based Learning
|
| 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 |
Prof. Dr. Maciej Liskiewicz |
| Umfang |
2 SWS, ECTS-Credits: 4 |
| Termine |
Fr 10:00 – 12:00, AM4
|
Übung |
| Assistent |
Oliver Witt |
| Umfang |
1 SWS |
| Termine |
Mi 10:00 – 11:00, ITCS Seminarraum 2021
|
