deutsch:
In der Vorlesung werden einige neue Datenanalysemethoden vorgestellt, die oft durch eine geschickte Modellierung zu überraschenden Ergebnissen führen. Die Methoden werden zum großen Teil, basierend auf existenten Implementationen im Netz, in den Übungen beispielhaft getestet. Konkrete Themen beinhalten die folgenden:
- Extraktion semantischer Entitäten aus Zeitreihen, ohne die Semantik zu kennen: Slow Feature Analsis
- Adaptive effiziente Kodierung von Daten durch Sparse Coding und Nichtnegative Matrixfaktorisierung
Die ein Pixel Kamera: compressed Sensing
- Wissen, welche Feature wichtig sind: die Support Feature Machine
- Klassifikation und co. in linearer Zeit: Core Methoden
- Ein Klassiker für Zeitreihen, und wie man daraus einen Kern macht: DTW und DTW Kern
- Prior über Funktionen statt Parametrisierung: Gaussian Processes
Die Themen sind weitgehend unabhängig voneinander und beleuchten verschiedene Facetten der Datenverarbeitung.
The lecture can/will be taught in English provided international students are present.
english:
In the lecture, novel data analysis methods will be presented which often yield surprising results by using clever modeling tricks. The methods will be tested in the exercises based on existing implementations on the web. Concrete topics which will be covered include the following:
- extraction of semantically meaningful entities from time series without any knowledge about the semantics: slow feature analysis
- adaptive efficient encoding of data by sparse coding and non negative matrix factorization
- the one pixel camera: compressed sensing
- how to know which features are relevant: support feature machine
- classification and similar in linear time based on core techniques
- a classical approach for time series and its kernel: dynamic time warping
- prior over function instead of parameterization: Gaussian processes
Grundkenntnisse im Bereich Algorithmen und Datenstrukturen sowie Mathematik werden empfohlen
Basic knowledge as concerns computer science and mathematics is requested
wird in der Vorlesung bekannt gegeben
will be announced in the lecture
Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum |
---|
Modul | Veranstaltung | Leistungen | |
---|---|---|---|
39-M-Inf-ADA Advanced Data Analysis | Modern Data Analysis | Studieninformation | |
- | unbenotete Prüfungsleistung benotete Prüfungsleistung | Studieninformation |
Die verbindlichen Modulbeschreibungen enthalten weitere Informationen, auch zu den "Leistungen" und ihren Anforderungen. Sind mehrere "Leistungsformen" möglich, entscheiden die jeweiligen Lehrenden darüber.
Erfolgreiches Bearbeiten der Übungen (2LP) sowie mündliche Prüfung (3LP)
Biweekly homework (2LP) and final oral exam (3LP)
Zu dieser Veranstaltung existiert ein Lernraum im E-Learning System. Lehrende können dort Materialien zu dieser Lehrveranstaltung bereitstellen: