Machine Learning

Dozenten:Mutschler, C.; Witt, N.
Umfang:2 SWS (5 ECTS)
Voraussetzungen:

Anmeldung per E-Mail an christopher.mutschler@fau.de
Scheinkriterien:

  • 40 Minuten Vortrag
  • Erstellung einer Ausarbeitung mit den wesentlichen Punkten des Vortrags (keine Folienkopien, ca. 6-8 Seiten)
  • Anwesenheit bei den Vorträgen der anderen Teilnehmer
  • Fertigstellung der Folien bis spätestens einer Woche vor dem Vortragstermin, Fertigstellung der Ausarbeitung bis zum Ende des Semesters
Anmerkung:Anmeldung mit Themenwunsch per E-Mail vor Vorlesungsbeginn; Verteilung der Vortragsthemen erfolgt FCFS.
Termin(e) & Ort:
  • Einzeltermin am 20. Januar 2018, 10:00 - 16:00, 04.150
  • Einzeltermin am 27. Januar 2018, 10:00 - 16:00, 04.150
  • Einzeltermin am 3. Februar 2018, 10:00 - 16:00, 04.150
  • Einzeltermin am 17. Februar 2018, 10:00 - 16:00, 04.150
Zielgruppe:WPF CE-BA-SEM (ab 2. Semester)
WPF CE-MA-SEM (ab 1. Semester)
WPF INF-BA-SEM (ab 2. Semester)
WPF INF-MA (ab 1. Semester)
WPF IuK-BA (ab 3. Semester)
WPF IuK-MA (ab 1. Semester)
Literatur:
  • T. M. Mitchell: Machine Learning, McGraw-Hill, 1997.
  • J. R. Quinlan, C4.5: Programs for Machine Learning, Morgan Kaufmann, 1993.
  • F. V. Jensen, An introduction to Bayesian Networks, UCL Press, 1996.
  • N. Lavrac und S. Dzeroski, Inductive Logic Programming, Techniques and Applications, Ellis Horwood, 1994.
  • J. A. Freeman, Simulating Neural Networks with Mathematica, Addison-Wesley, 1994.
  • J. Hertz, A. Krogh und R. G. Palmer, Introduction to the Theory of Neural Computation, Addison-Wesley, 1991.
  • R. Rojas, Theorie der neuronalen Netze, Springer, 1996.
  • W. Banzhaf, P. Nordin, R. E. Keller und D. Francone, Genetic Programming: An Introduction, Morgan Kaufmann und dpunkt, 1998.1994.
  • M. Mitchel, An Introduction to Genetic Algorithms, MIT-Press, 1996.
  • Michalewicz, Genetic Algorithms + Data Structures = Evolution Programs, Springer, 1992.
  • C. Bishop, Pattern Recognition and Machine Learning, Springer, 2007
Inhalt:

Dieses Seminar führt in das Themengebiet des maschinellen Lernens ein. Maschinelles Lernen befasst sich mit der Frage, wie Computerprogramme zu konstruieren sind, die automatisch ihr Wissen vergrößern. Ziel des Seminars ist, die wichtigsten Schlüsselalgorithmen aus diesem Gebiet zusammen mit erläuternden Beispielen ihrer Arbeitsweise und der Theorie vorzustellen, die den Kern des Machine Learning ausmachen. Klassische Themengebiete sind hierbei beispielsweise Lernen mit Belohnung, evolutionäre Algorithmen oder statistische Verfahren. Mit der Zeit haben sich nach und nach etablierte Verfahren wie Support Vector Machines, Hidden Markov Modelle oder künstliche Neuronale Netze entwickelt. Das Seminar soll einen übergreifenden Einblick in die Welt des maschinellen Lernen und deren Algorithmen vermitteln.

Die Vorbesprechung findet am 19.10.2017 um 14:15 in 04.150 statt!

Vorträge

Thema Vortragender Download
0.
Einführung
Nicolas Witt
20.01.2018 ab 10 Uhr in 04.150
1.
Clustering
Robert Meißner Folien
2.
Dimensionality Reduction
Tim Rheinfels Folien
3.
Hidden Markov Models
Lena Eichermüller Folien
4.
Self-Organizing Maps
Martin Mayr Folien, Jupyter
27.01.2018 ab 10 Uhr in 04.150
5.
Ant Colony Optimization + Swarm Intelligence
Martin Buchalik Folien
6.
Inductive Logic Programming
Jan Spieck Folien
7.
Decision Tree Learning
Florian Kronberger Folien
Adaptive Boosting
Benjamin Geissler
8.
Support Vector Machines
Ana Villela Folien
03.02.2018 ab 10 Uhr in 04.150
9.
Artificial Neural Networks
Lisa Lengenfelder Folien, Handout, Jupyter
10.
Convolutional Neural Networks
Stephanie Mehltretter Folien
11.
Recurrent Neural Networks + LSTM
Sara Kretschmer Folien
12.
Representation Learning
Thomas Altstidl Folien, Jupyter
13.
General Adversial Networks
Oskar Herrmann Folien
17.02.2018 ab 10 Uhr in 04.150
14.
Reinforcement Learning
Julia Beatriz Yip Folien, frozenlake.py, pacman.py
15.
Deep Reinforcement Learning
Andreas Buck Folien
Evolutionary Algorithms
Maximilian Scholze
Online Learning
Jean-Philipp Schaller

Evaluation

Die Evaluation gibt es hier.
watermark seal