Maschinelles Lernen

Prof. Dr.-Ing. Bodo Rosenhahn

Organisatorisches

Diese Veranstaltung findet in Präsenz statt. Weitere Informationen finden Sie auf StudIP.

Übungsbetreuung:


Fachnr: TBD

Termine (jeweils im Sommersemester, 4 Semesterwochenstunden):
Prüfung (ab SS 2017): Es wird eine Online-Prüfung über Ilias während des Semesters angeboten, die als gegebenenfalls benötigte Studienleistung für den 5. Leistungspunkt gewertet wird. Deren Teilnahme ist verpflichtend und Vorraussetzung zur Teilnahme an der Klausur.

Vorlesungsbegleitendes Material: siehe    

Inhaltsverzeichnis

Gegenstand der Vorlesung

Die Vorlesung widmet sich klassischen wie aktuellen Paradigmen des maschinellen Lernens. Ziel ist die „künstliche“ Generierung von Wissen aus Erfahrung oder Beispielen: Ein künstliches System analysiert Beispiele (Daten) strukturiert und lernt aus genau diesen Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern. Neben unüberwachten Lernverfahren und statistischen Lernverfahren werden auch Adaboost, Random Forests und Neuronale Netze behandelt. Beispiele zur bildbasierten Objekterkennung oder Klassifikation stellen aktuelle Anwendungsbezüge her.

Voraussetzungen

Grundstudium

Ergänzende Literatur

Ergänzende Vorlesungen