Eine ständig wachsende Informationsflut im Web legt es nahe, nach Möglichkeiten zu suchen, aus der
Fülle der Daten automatisch sinnvolle Informationen oder Modelle zu extrahieren. Dabei müssen
die Algorithmen in der Lage sein, auch mit großen Datenmengen realistisch umzugehen.
Die Vorlesung behandelt wichtige Techniken des Maschinellen Lernens mit Bedeutung für das Web,
die es erlauben, automatisiert Informationen aus Daten zu extrahieren.
Behandelte Themen im Einzelnen sind:
Graph-clustering,
nichtlineare Dimensionsreduktion,
Prototype-Verfahren (teils inkrementell).
The increasing availability of electronic information on the web requires novel technologies
to deal with these data. In particular, the algorithms have to deal with big and structured data.
In the lecture, a few topics of relevance in this realm will be tackled, including
graph clustering,
nolinear dimensionality reduction,
link analysis,
prototype-based models.
Kommentar/ Comments:
The lecture will be given in English if requested.
Grundkenntnisse im Bereich Algorithmen und Datenstrukturen sowie Mathematik werden empfohlen
foundations in computer science and math, programming skills
Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum |
---|
Modul | Veranstaltung | Leistungen | |
---|---|---|---|
39-Inf-AKS Anwendungen Kognitiver Systeme | Maschinelles Lernen im Web oder Modern Data Analysis oder Softcomputing für die Bioinformatik | 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 Klausur oder mündliche Prüfung (3LP)
exercises (2LP) and (oral/written) exam (3LP)
Zu dieser Veranstaltung existiert ein Lernraum im E-Learning System. Lehrende können dort Materialien zu dieser Lehrveranstaltung bereitstellen: