Es werden verschiedene Probleme des maschinellen Lernens und der Neuroinformatik formalisiert und unterschiedliche Algorithmen eingeführt, die Beispielprobleme in konkreten Situationen algorithmisch lösen können. Themen sind etwa: Klassifikation und Regression durch Lazy learning, lineare Verfahren, Perzeptron/Adatron, Bayes-Klassifikator, zeitliche Aspekte behandelt durch MDPs, unüberwachte Verfahren wie Oja/Sanger, Fuzzy-Clustering, Grundlagen der Lerntheorie.
Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum |
---|
Modul | Veranstaltung | Leistungen | |
---|---|---|---|
39-Inf-13 Grundlagen künstlicher Kognition | Grundlagen künstlicher Kognition II | unbenotete Prüfungsleistung
|
Studieninformation |
Die verbindlichen Modulbeschreibungen enthalten weitere Informationen, auch zu den "Leistungen" und ihren Anforderungen. Sind mehrere "Leistungsformen" möglich, entscheiden die jeweiligen Lehrenden darüber.