Start my eKVV Studieninformation Lernräume Prüfungsverwaltung Anmelden

392117 Vertiefung Maschinelles Lernen (V) (WiSe 2017/2018)

Einrichtung
Technische Fakultät
Art(en) / SWS
V / 2
Zeitraum
09.10.2017-02.02.2018
Voraussichtl. Wiederholung

Lehrende

Klicken Sie auf den Namen um Kontaktdaten wie die E-Mailadresse zu sehen

Termine (Kalendersicht )

Rhythmus Tag Uhrzeit Ort Zeitraum  
wöchentlich Do 08-10 U2-147 09.10.2017-02.02.2018

Klausuren

  • keine gefunden

Fachzuordnungen

Modul (Studienmodell 2011) Veranstaltung Leistungen  
39-M-Inf-VML Vertiefung Maschinelles Lernen Vertiefung Maschinelles Lernen Studieninformation

Die Angaben in der Tabelle ergeben sich aus der Zuordnung zu einem Modul und der entsprechenden Modulbeschreibung. Bei den angegebenen "Leistungen" können Wahloptionen der Studierenden bestehen; Auskunft hierüber gibt ebenfalls die Modulbeschreibung.

Allgemeine Anforderungen bei Lehrveranstaltungen:

Die Anforderungen an die aktive Teilnahme (nur gültig für Studienmodell 2002) sind hier erläutert. In den FsB und Modulhandbüchern finden sich Informationen, ob Studienleistungen (nur gültig für Studienmodell 2011)/Einzelleistungen/Modul(teil)prüfungen vorgesehen sind, und welche Anforderungen hierfür bestehen.

Konkretisierung der Anforderungen

Anzahl Einzelleistungen (benotet und unbenotet)
eine benotete Einzelleistung
Prüfungsformen
Variante 1:
benotete mündliche Prüfung über die Inhalte der Vorlesung
Variante 2:
Portfolio aus Übungsaufgaben, die veranstaltungsbezogen gestellt werden. Note wird aus Durchschnittsleistung
(Vergabe von Bewertungspunkten) von zwei Tafelpräsentationen bearbeiteter Übungsaufgaben gebildet.
Voraussetzungen für die Vergabe von Leistungspunkten
Variante 1: Bestehen der mündlichen Prüfung ergibt 5 LP.
Variante 2: Erfolgreiches Bearbeiten der Übungsaufgaben und Bestehen der Tafelpräsentation ergibt 5 LP.

Inhalt, Kommentar

Aufbauend auf dem Grundlagen-Modul "Neuronale Netze und Lernen", welches die grundlegende Theorie des maschinellen Lernens sowie einige grundlegende Ansätze behandelt hat, werden in diesem Modul weitere, komplexere Lernarchitekturen behandelt. Die Themen der Vorlesung umfassen insbesondere:
Ensemble-Verfahren - gewichtete Kombination mehrerer Lern-Module
Mixture-of-Experts - (hierarchische) Zuweisung von Subproblemen zu Experten-Modulen
Aktives Lernen
Reinforcement-Lernen
Partially Observable Markov Decision Processes (POMDPs)
Gaussian Processes: Bishop, Kapitel 6.4
Graphical Models
Sampling: Bishop, Kapitel 11

Übungen
Anstatt wöchentliche Übungszettel zu bearbeiten, sollen Sie bis Ende November eine Projektaufgabe realisieren: Suchen Sie eine Implementierung des Viola-Jones-Algorithmus heraus und wenden Sie ihn auf ein komplexes Klassifikationsproblem an. In Frage kommen z.B. Gesichtserkennung, Handerkennung oder sogar Hand-Postur-Erkennung, d.h. Klassifikation der Handstellung.
Datenbanken von Gesichtsbildern
Datenbank von Handposturen
Handposturerkennung mit AdaBoost und SIFT-Features (Full Text)

http://ni.www.techfak.uni-bielefeld.de/teaching/vertiefung-maschinelles-lernen

Teilnahmevoraussetzungen, notwendige Vorkenntnisse

Die Vorlesung wendet sich an einschlägig interessierte Studenten der Informatik, Mathematik und Linguistik im Hauptstudium. Neuronale Netze und Lernen

Literaturangaben

Bishop, Ch., "Pattern Recognition and Machine Learning", Springer
Mitchel, T., "Machine Learning",
Viola, P., Jones, M., "Robust Real-Time Face Detection", International Journal of Computer Vision 57(2), 137–154, 2004
Sutton & Barto, "Reinforcement Learning: An Introduction", MIT Press
Vorlesungsfolien POMDPs, W. Burgard, Uni Freiburg
David MacKay: "Gaussian Processes Basics" (video lecture)
Iain Murray: "Markov Chain Monte Carlo" (video lecture)

Externe Kommentarseite

Lernraum (E-Learning)

Zu dieser Veranstaltung existiert ein Lernraum im E-Learning System. Lehrende können dort Materialien zu dieser Lehrveranstaltung bereitstellen:

TeilnehmerInnen
registrierte Anzahl : 38
Dies ist die Anzahl der Studierenden, die die Veranstaltung im Stundenplan gespeichert haben. In Klammern die Anzahl der über Gastaccounts angemeldeten Benutzer/innen.
Abruf der Liste der Teilnehmer/innen :
Lehrende und ihre Sekretariate können sich die Liste der im eKVV registrierten Teilnehmer/innen über die passwortgeschützen eKVV Seiten abrufen: Meine Veranstaltungen
Falls Sie noch keinen BIS Zugang besitzen oder generelle Hinweise zum Abrufen und zum Umgang mit den Teilnehmerlisten suchen nutzen Sie unsere Hilfeseite
Dort finden Sie auch Informationen dazu, wie Sie aus einer Teilnehmerliste die Ergebnisliste für die Prüfungsdokumentation erstellen und wie Sie diese an die Prüfungsämter übermitteln können.
Automatischer E-Mailverteiler der Veranstaltung
Adresse :
WS2017_392117@ekvv.uni-bielefeld.de
Lehrende, ihre Sekretariate sowie für die Pflege der Veranstaltungsdaten zuständige Personen können über diese Adresse E-Mails an die VeranstaltungsteilnehmerInnen verschicken. WICHTIG: Sie müssen verschickte E-Mails jeweils freischalten. Warten Sie die Freischaltungs-E-Mail ab und folgen Sie den darin enthaltenen Hinweisen.
Falls die Belegnummer mehrfach im Semester verwendet wird können Sie die folgende alternative Verteileradresse nutzen, um die TeilnehmerInnen genau dieser Veranstaltung zu erreichen: VST_103841381@ekvv.uni-bielefeld.de
Reichweite :
38 Studierende direkt per E-Mail erreichbar
Hinweise :
Weitere Hinweise zu den E-Mailverteilern
Änderungen/Aktualität der Veranstaltungsdaten
Letzte Änderung Grunddaten/Lehrende :
Freitag, 9. Juni 2017 
Letzte Änderung Zeiten :
Mittwoch, 26. Juli 2017 
Letzte Änderung Räume :
Mittwoch, 26. Juli 2017 
Sonstiges
Link auf diese Veranstaltung
Wenn Sie diese Veranstaltungsseite verlinken wollen, so können Sie einen der folgenden Links verwenden. Verwenden Sie nicht den Link, der Ihnen in Ihrem Webbrowser angezeigt wird!
Der folgende Link verwendet die Veranstaltungs-ID und ist immer eindeutig:
https://ekvv.uni-bielefeld.de/kvv_publ/publ/vd?id=103841381
Interwiki Link
Kopieren Sie diesen Link, um im BISWiki auf diese Veranstaltung zu verweisen.
[[ Veranstaltung: 103841381 | WS2017_392117 ]]
Planungshilfen
Terminüberschneidungen für diese Veranstaltung
ID
103841381
Seite zum Handy schicken
Klicken Sie hier, um den QR Code zu zeigen
Scannen Sie den QR-Code: QR-Code vergrößern