Vorlesung (Hauptstudium)
Maschinelles Lernen
Prof. Dr. Stefan Wrobel
Mitarbeiter
Angesichts stetig wachsender Datenmengen gewinnen intelligente Verfahren zur induktiven Datenanalyse stark an Bedeutung, u.a. im Data Mining / Knowledge Discovery in Databases. Die Vorlesung bietet eine Einführung in die meistgenutzten Methoden aus dem Maschinellen Lernen: Entscheidungsbaumverfahren, Regression, Regellernen, Multirelationales Lernen/ILP, Instanzbasiertes Lernen, Künstliche Neuronale Netze, Genetische Algorithmen, Bayes'sche Lernverfahren, Clusteringverfahren, Kernmethoden. Neben der Datenanalyse ist ein weiteres wichtiges Ziel des Maschinellen Lernens die Untersuchung adaptiver Systeme; die Vorlesung stellt deshalb auch Verfahren des Verstärkungslernens, des erklärungsbasierten Lernens und der Theorierevision vor. Ergänzt wird dies durch eine Darstellung der wichtigsten Ansätze aus der Lerntheorie.
| Zeit, Ort | Fr 13-15, HS A207 |
| Semesterwochenstunden | 2V + 2Ü |
| Übungen | Mi 13-15, HS A207 (Prof. Dr. Stefan Wrobel, Mitarbeiter) |
| Bereich (alte DPO) | B,C |
| Bereich (neue DPO) | B |
| Informationen im WWW | http://www-kd.iai.uni-bonn.de/de/lehre.html |
|
Übersicht: alle Semester
Analyse- und Retrievaltechniken für Musikdaten
Rechnernetze I