Start my eKVV Studieninformation Lernräume Prüfungsverwaltung Anmelden

392246 Modern Data Analysis (V) (WiSe 2019/2020)

Inhalt, Kommentar

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

Teilnahmevoraussetzungen, notwendige Vorkenntnisse

Grundkenntnisse im Bereich Algorithmen und Datenstrukturen sowie Mathematik werden empfohlen

Basic knowledge as concerns computer science and mathematics is requested

Literaturangaben

wird in der Vorlesung bekannt gegeben

will be announced in the lecture

Lehrende

Termine (Kalendersicht )

Rhythmus Tag Uhrzeit Ort Zeitraum  
wöchentlich Di 10-12 U5-133 07.10.2019-31.01.2020

Klausuren

  • Keine gefunden

Fachzuordnungen

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.

Konkretisierung der Anforderungen

Erfolgreiches Bearbeiten der Übungen (2LP) sowie mündliche Prüfung (3LP)

Biweekly homework (2LP) and final oral exam (3LP)

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