Einführung in Maschinelles Lernen

Lecturers:Kókai, G.; Jacob, C.; Fischer, J.; Haas, J.
Coverage:2 SWS (4 ECTS)
Dates & location:
  • Wednesday, 14:15 - 15:45, 09.150
Topics:

Einführung: Das Gebiet des Maschinen-Lernens (ML, machine learning) beschäftigt sich mit der Entwicklung und Konstruktion von Computerprogrammen, deren Ein-/Ausgabeverhalten sich mit zunehmender Verwendung und "Erfahrung" automatisch verbessert.

In den letzten Jahren wurden eine Reihe erfolgreicher Anwendungen aus dem Bereich des maschinellen Lernens entwickelt: "Data mining"-Programme lernen fehlerhafte Transaktionen mit Kreditkarten aufzuspüren. Informationsfiltersysteme, wie sie beispielsweise auf dem World Wide Web verwendet werden, passen sich an die Präferenzen ihrer Benutzer an. Autonome Fahrzeuge lernen das Fahren im öffentlichen Straßennetz.

Im Zuge dieser Anwendungen wurden wichtige Fortschritte in der Theorie und den Algorithmen erzielt, die die Grundlagen des maschinellen Lernens bilden.

Seminarziel: Das Ziel dieses Seminars besteht darin, die wichtigsten Algorithmen und theoretischen Ansätze des Maschinen-Lernens vorzustellen und diese einer kritischen und vergleichenden Diskussion zu unterziehen. Beantwortet werden sollen etwa Fragen wie

  • "Wie verändert sich das Lernverhalten eines ML-Systems mit der Anzahl der Trainingsbeispiele?"
  • "Welche Lernalgorithmen erweisen sich für bestimmte Arten von Lernaufgaben als geeignet?"

Anwendungen des maschinellen Lernens werden anhand illustrativer Beispiele erläutert, durch die auch die Arbeitsweisen der unterschiedlichen ML-Techniken verdeutlicht werden.

Themenbereiche: Die folgenden Themenbereiche werden in diesem Seminar behandelt:

  • Konzeptlernen, Lernen vom Allgemeinen zum Speziellen
  • Lernen mit Entscheidungsbäumen
  • Stochastisches Suchen und evolutionäre Algorithmen
  • Bayes-Lernen
  • Instanzen-basiertes Lernen
  • Lernen mit Regelmengen
  • Analytisches Lernen
  • Kombinationen von induktivem und analytischem Lernen
  • Lernen mit Belohnung
watermark seal