392120 Theorie maschinellen Lernens (V) (WiSe 2005/2006)

Die Fähigkeit zu Lernen ist ein wesentliches Merkmal vieler Formen "intelligenten" Verhaltens: beim Erlernen einer Sprache memorisieren wir Vokabeln, lernen aber darüber hinaus auch ihre Verknüpfung zu Sätzen und die rasche Bildung und Wiedererkennung neuer akustischer Muster. Im Sport erlernen wir die Koordination neuer Bewegungsabläufe. Bei der Aneignung neuer Kenntnisse müssen wir uns neue Fakten einprägen, dann aber auch den Umgang mit neu erworbenem Wissen lernen, etwa um neue Aufgaben lösen zu können.

Ziel der Vorlesung ist die Darstellung und die Diskussion mathematischer Modelle, die derartige
Lernvorgänge auf verschiedene Arten vereinfacht formalisieren und damit
einer theoretischen Analyse sowie einer algorithmischen Nachbildung auf
Computern zugänglich machen. Wir werden dabei verschiedene Theorieansätze
maschinellen Lernens kennenlernen und vergleichen: Lernen als Parameterschätzung, als Wahrscheinlichkeitsmaximierung, als Risikominimierung sowie Bayessches Lernen.
Begleitend dazu werden die durch diese Ansätze motivierten Algorithmen
dargestellt und ihre Anwendung auf Fragen besprochen wie etwa:
welche Vorhersagen lassen sich über den Verlauf des Lernfortschritts machen,
welche Bedeutung kommt den verfügbaren Beispielen zu, unter welchen Bedingungen
kann Lernen überhaupt erfolgen, wie vergleichen sich unterschiedliche Lernstrategien?

Teilnahmevoraussetzungen, notwendige Vorkenntnisse

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

Externe Kommentarseite

http://www.techfak.uni-bielefeld.de/~jsteil/lehre/WS05/machine/info.html