Hier stehen die aktuellen Infos zur Vorlesung:
im SS 2001:
Künstliche Intelligenz: Maschinelles Lernen
PD.Dr. Erica Melis
Die Vorlesung findet Do 11-13, Raum 016, Geb. 45 statt. Beginn 19. April.
Das Maschinelle Lernen ist ein traditionelles und sich derzeit rasch
entwickelndes Gebiet der Künstliche Intelligenz, das vielfältige praktische
Anwendungen hat, z.B. in der Klassifikation, Diagnose, im Data Mining, Customized Software
(speziell www-Anwendungen) und Mustererkennung.
In der Vorlesung werden verschiedene induktive, analytische
und hybride Ansätze des Maschinellen Lernens und ihre theoretischen Grundlagen
eingef"uhrt. Unter anderem werden folgende Techniken vorgestellt:
- Entscheidungsbaumlernen
- Lernen in Bayesschen Netzen
- Genetische Algorithmen
- Lernen mit Neuronalen Netzen
- Reinforcement Learning
- Explanation-Based Learning
Ziel der Vorlesung:
Vermittlung von Grundlagen und Techniken des Maschinellen Lernens. Heranführen
an die aktuelle Forschung. Die Vorlesung richtet sich an Studenten der
Informatik, Computerlinguistik und andere informatik-interessierte Studenten.
Ein Projekt, das die Anwendung einiger
automatischer Lerntechniken auf reale Daten erprobt, begleitet die Vorlesung.
Eventuelle Hilfe, jedenfalls fuer die Konvertierung der Daten
hier
und hier
und Makefile.
Vorkenntnisse: Vordiplom.
Literatur:
- T.Mitchell: Machine Learning, McGraw Hill, 1997
- S.Russell, P.Norvig: Artificial Intelligence, A Modern Approach,
Prentice Hall, 1995
Gliederung
- Einleitung, Folien1,
Folien2, 19.4.
- Lernen von Entscheidungsbäumen, Folien , 26.4.
- Overfitting, Ersatztermin 27.4.
- Kuenstliche neuronale Netze, Folien
3.5.
- Kuenstliche neuronale Netze,
Folien Face
Recognition 10.5.
- Diagnose von Tinitus: Beschreibung durch Mediziner, 17.5.
- Genetische Algorithmen, 7.6. Folien
- Reinforcement Lernen, Ersatztermin 8.6.
Folien
- Analytisches Lernen, 21.6.
Folien
mehr Folien (nicht online) zu EBL von Kontrollregeln
- Hybrides Lernen 28.6.
Folien
- Bayessches Lernen, 28.6., 6.7. 13-15 Uhr Raum 016
Folien
mehr Folien
Projektergebnisse abliefern bis zum Beginn des Wintersemesters 01/02