Maschinelles Lernen und Data Mining im SS 2011
Aktuelles
- Die Einzeltermine für die mündlichen Prüfungen wurden festgelegt und alle Teilnehmer per Mail benachrichtigt. Wer seine Benachrichtigung vermisst (sie ging an die Adresse die in der elektronischen Anmeldung zur Vorlesung angegeben wurde), möge sich schnellstens melden. Die Prüfungen werden im Raum F107 in der Oettingenstr. 67 stattfinden.
- Die elektronische Anmeldung für die mündlichen Prüfungen am 27.07.2011 ist erneut bis einschließlich 20.07.2011 freigeschaltet. Wir bitten alle Teilnehmer, die sich noch nicht angemeldet haben, dies nun nachzuholen. Außerdem bestätigen bitte ebenfalls bis zum 20.07.2011 alle Prüflinge per Mail an die Übungsleiter ihr Interesse an der Prüfung, da wir sonst keine Termine vergeben können. Sofern es zeitliche Einschränkungen zur mündlichen Prüfung gibt, bitten wir um eine möglichst frühe Benachrichtigung.
- Klassifikationsergebnisse von Blatt 4 sind online (siehe unten)
- Neue Veröffentlichungen im Bereich Machine Learning von der International Conference on Machine Learning (ICML) 2011
- Der Termin für die mündlichen Prüfungen ist der 27.07.2011. Bei Konflikten möge man bitte baldmöglichst die Übungsleiter kontaktieren.
- Die Übung am Freitag den 03.06. entfällt ebenso wie die am vorangehenden Donnerstag (Feiertag).
- Der nach der Übung vom 13.05. gefundene, namenlose, rosa Ordner kann nunmehr an der Pforte der Oettingenstr. 67 abgeholt werden.
- Die Anmeldung für die Klasur ist bis zum 06.07.2011 freigeschaltet und notwendig zur Erlangung eines Scheines. Hierfür ist eine gültige CIP-Kennung nötig.
Inhalt
Ziel des Maschinellen Lernens ist die Entwicklung von Methoden zur Realisierung lernfähiger technischer Systeme. In der Vorlesung werden die wichtigsten Zweige des Maschinellen Lernens vorgestellt:
- Beim überwachten Lernen werden basierend auf vorhandenen Beispieldaten Systeme zur Klassifikation und zur Modellierung funktioneller Abhängigkeiten trainiert (typische Vertreter: Neuronales Netz, Support Vector Machine).
- Das Ziel des unüberwachten Lernens ist es, autonom relevante Strukturen in Daten zu finden (typische Vertreter: Cluster Analyse, Independent Component Analyse).
- Kausal Probabilistische Netze (Bayesian Networks) stellen einen Rahmen zur Beschreibung und zum Erlernen von komplexen probabilistischen Abhängigkeiten dar, bis hin zur Analyse von Kausalität.
- Reinforcement Learning ist das wichtigste Lernverfahren zur Optimierung des Verhaltens von Agenten.
Datamining bezeichnet die Analyse von Datenbanken mit Methoden des Maschinellen Lernens und motiviert Forschungsaktivitäten mit neuen Anforderungen an Skalierbarkeit und Bedienbarkeit der Lösungen. Ein typisches Ziel ist die Nutzbarmachung von Kundendaten (Customer Relationship Management). In der Vorlesung werden eine Reihe von industriellen Anwendungen des Maschinellen Lernens, mit Schwerpunkt auf Anwendungen im Data Mining, vorgestellt.
Organisation
- Umfang: 3+2 Semesterwochenstunden
- Vorlesung: Dr. Volker Tresp
- Vorkenntnisse: Die Beherrschung mindestens einer Programmiersprache
- Übungen: Franz Graf, Marisa Petri
- Der Vorlesungsstoff kann in der Hauptdiplomprüfung bei Prof. Dr. Hans-Peter Kriegel oder PD Dr. Matthias Schubert geprüft werden. Absprachen mit anderen Prüfern müssen individuell getroffen werden.
Zeit und Ort
| Veranstaltung | Zeit | Ort | Beginn |
|---|---|---|---|
| Vorlesung | Mi, 9.00 - 12.00 Uhr | Raum C 113 (Theresienstr. 41) | 04.05.2011 |
| Übung |
Do, 12.00 - 14.00 Uhr | Raum 067 (Oettingenstr. 67) |
12.05.2011 |
| |
Fr, 14.00 - 16.00 Uhr | Raum 067 (Oettingenstr. 67) |
13.05.2011 |
Planung
| Vorlesung | Übung | ||
|---|---|---|---|
| Datum | Thema | Datum | Blatt |
| 04.05.11 | Einführung | 05./06.05.11 | entfällt |
| 11.05.11 | Das Perceptron / Wiederholung: Lineare Algebra / Lineare Regression | 12./13.05.11 | optional: R-Einführung (Sourcen)
|
| 18.05.11 | Basisfunktionen / Neuronale Netze | 19./20.05.11 | Blatt 1 |
| 25.05.10 | Kerne / Wiederholung: Wahrscheinlichkeitslehre | 26./27.05.11 | Blatt 2 |
| 01.06.11 | Rekurrente Neuronale Netze und Zeitreihen | 03.06.11 | entfällt |
| 08.06.11 | Frequentistische Statistik und Bayes’sche Statistik / Lineare Klassifikatoren | 09./10.06.11 | Blatt 3 |
| 15.06.11 | Fortsetzung: Lineare Klassifikatoren / Support Vector Machines | 16./17.06.11 | Blatt 4 Datensatz |
| 22.06.11 | Modellvergleich | | Blatt 5 (Daten zu 5-1 ) |
| 29.06.11 | Hauptkomponentenanalyse | 30.06./01.07.11 | Blatt 6) |
| 06.07.11 | Instanzbasiertes Lernen | 07./08.07.11 | Blatt 7 |
| 13.07.11 | Bayes'sche Netze | 14./15.07.11 | Blatt 7 |
| 20.07.11 | Reinforcement Learning | 21./22.07.11 | Wiederholung + Fragen |
| 27.07.11 | Termin für mündliche Prüfungen | 28./29.07.11 | entfällt |
Übungsbetrieb
Zur Vertiefung der Vorlesung werden 2-stündige Übungen angeboten, in denen die vorgestellten Verfahren weiter erläutert und an praktischen Beispielen veranschaulicht werden. Da es sich mitunter um Programmieraufgaben handelt, ist eine vorherige Vorbereitung des aktuellen Übungsblattes erwünscht um Fragen diesbezüglich besser beantworten zu können.
Nützliche Links
- Unter http://www.die-informatiker.net bieten Münchner Informatiker ein Diskussionsforum für euch. Dort können Fragen von allgemeinem Interesse gestellt werden und finden oft auch eine Antwort. Wir begrüßen diese Initiative, übernehmen aber keinerlei Verantwortung für den Inhalt.
Vorhergehende Semester
SS 11, SS 10, SS 09, SS 08, SS 07, SS 06, SS 05, SS 04
