Start my eKVV Studieninformation Lernräume Prüfungsverwaltung Anmelden

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

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

http://www.zfl.uni-bielefeld.de/studium/module/techfak/msc_isy/#vertiefung_maschinelles_lernen

Lehrende

Termine (Kalendersicht )

Rhythmus Tag Uhrzeit Ort Zeitraum  

Zeige vergangene Termine >>

Klausuren

  • Keine gefunden

Fachzuordnungen

Modul Veranstaltung Leistungen  
39-M-Inf-VML Vertiefung Maschinelles Lernen Vertiefung Maschinelles Lernen Studieninformation

Die verbindlichen Modulbeschreibungen enthalten weitere Informationen, auch zu den "Leistungen" und ihren Anforderungen. Sind mehrere "Leistungsformen" möglich, entscheiden die jeweiligen Lehrenden darüber.

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.

Lernraum
TeilnehmerInnen
Automatischer E-Mailverteiler der Veranstaltung
Änderungen/Aktualität der Veranstaltungsdaten
Sonstiges