Home |  DEUTSCH |  Contact |  Imprint |  Data Protection |  Login |  KIT

Lehre/Vorlesung Maschinelles Lernen 2 – Fortgeschrittene Verfahren/en

Aus Aifbportal

Wechseln zu: Navigation, Suche

Machine Learning 2 – Advanced Methods



Details of Course
Type of course lecture
Lecturer(s) J. Marius Zöllner
Instructor(s) J. Marius Zöllner
Subject Informatik
Credit Points
Control of Success Klausur
Term summer


You find additional information, the time schedule and room numbers in the University Course Overview.

Course Overview https://campus.kit.edu/
Student Portal https://studium.kit.edu



Research Group


Content

Das Themenfeld Maschinelle Intelligenz und speziell Maschinelles Lernen unter Berücksichtigung realer Herausforderungen komplexer Anwendungsdomänen ist ein stark expandierendes Wissensgebiet und Gegenstand zahlreicher Forschungs- und Entwicklungsvorhaben.

Die Vorlesung behandelt erweiterte Methoden des Maschinellen Lernens wie semi-überwachtes und aktives Lernen, tiefe Neuronale Netze (deep learning), gepulste Netze, hierarchische Ansätze z.B. beim Reinforcement Learning sowie dynamische, probabilistisch relationale Methoden. Ein weiterer Schwerpunkt liegt in der Einbettung und Anwendung von maschinell lernenden Verfahren in realen Systemen.

Die Vorlesung führt in die neusten Grundprinzipien sowie erweiterte Grundstrukturen ein und erläutert bisher entwickelte Algorithmen. Der Aufbau sowie die Arbeitsweise der Verfahren und Methoden werden anhand einiger Anwendungsszenarien, insbesondere aus dem Gebiet technischer (teil-)autonomer Systeme (Robotik, Neurorobotik, Bildverarbeitung etc.) vorgestellt und erläutert.


Literature

Die Foliensätze sind als PDF verfügbar. Weiterführende Literatur: Stuart J. Russell, Peter Norvig: 'Künstliche Intelligenz: Ein moderner Ansatz', Pearson Studium, 2004 Weitere (spezifische) Literatur zu einzelnen Themen wird in der Vorlesung angegeben.


Notes

Empfehlungen: Der Besuch der Vorlesung Maschinelles Lernen 1 oder einer vergleichbaren Vorlesung ist sehr hilfreich beim Verständnis der Vorlesung.

Für Studierende anderer Fakultäten ist die Anrechenbarkeit zu prüfen.



-->