392210 Aktuelle Anwendungen von Musterklassifikationsansätzen (S) (SoSe 2016)

In der Vorlesung „Musterklassifikation“ wurden Klassifikationsansätze aus dem Bereich des überwachten Batchlernens vorgestellt. In diesem Seminar soll der Fokus auf (Inter-)aktive Lernansätze gelegt werden. Beim Active Learning geht es darum, sich aktiv (ungelabelte) Datenpunkte aus einer Datenmenge herauszusuchen und sie dann von einem Experten – in der Regel einem Menschen – annotierent zu lassen. Die Grundidee dabei ist, genau diejenigen Samples zu finden, die die Klassifikationsleistung möglichst optimal steigern. Es hat sich gezeigt, daß solche Klassifikationsansätze deutlich weniger Annotationsaufwand bei gleich guten Ergebnissen verursachen.

Da beim Active Learning dem Menschen jedoch nur relativ wenig Einflußmöglichkeit gegeben wird, hat sich daraus inzwischen ein weiterer Zweig des Interaktiven Lernens entwickelt. Grundgedanke hierbei ist, daß der Mensch selber (mit-)entscheiden kann, wann und welche Information er dem System basierend auf dessen aktueller Performance, geben will.

Jede Teilnehmerin bzw. jeder Teilnehmer wählt zu Beginn des Semesters ein Vortragsthema aus und stellt dieses im Lauf des Semesters vor.