Es werden verschiedene Probleme des maschinellen Lernens und der Neuroinformatik formalisiert und unterschiedliche Algorithmen eingeführt, die Beispielprobleme in konkreten Situationen algorithmisch lösen können. Themen sind etwa: Klassifikation und Regression durch Lazy learning, lineare Verfahren, Perzeptron/Adatron, Bayes-Klassifikator, zeitliche Aspekte behandelt durch MDPs, unüberwachte Verfahren wie Oja/Sanger, Fuzzy-Clustering, Grundlagen der Lerntheorie.
Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum |
---|
Modul | Veranstaltung | Leistungen | |
---|---|---|---|
39-Inf-13 Grundlagen künstlicher Kognition | Grundlagen künstlicher Kognition II | unbenotete Prüfungsleistung
|
Studieninformation |
Die verbindlichen Modulbeschreibungen enthalten weitere Informationen, auch zu den "Leistungen" und ihren Anforderungen. Sind mehrere "Leistungsformen" möglich, entscheiden die jeweiligen Lehrenden darüber.
Diese Webseite verwendet Cookies und ähnliche Technologien. Einige davon sind essentiell, um die Funktionalität der Website zu gewährleisten, während andere uns helfen, die Website und Ihre Erfahrung zu verbessern. Falls Sie zustimmen, verwenden wir Cookies und Daten auch, um Ihre Interaktionen mit unserer Webseite zu messen. Sie können Ihre Einwilligung jederzeit unter Datenschutzerklärung einsehen und mit der Wirkung für die Zukunft widerrufen. Auf der Seite finden Sie auch zusätzliche Informationen zu den verwendeten Cookies und Technologien.