Lehre/Vorlesung Maschinelles Lernen 1 - Grundverfahren: Unterschied zwischen den Versionen
Vy9905 (Diskussion | Beiträge) |
(kein Unterschied)
|
Aktuelle Version vom 24. August 2022, 08:24 Uhr
Vorlesung Maschinelles Lernen 1 - Grundverfahren
| Dozent(en) | J. Marius Zöllner |
| Übungsleiter | Nikolai Polley, Marcus Fechner, Mohammd Karam Daaboul |
| Fach (Gebiet) | Informatik, Maschinelles Lernen, Künstliche Intelligenz |
| Leistungspunkte | ECTS |
| Erfolgskontrolle | Klausur |
| Semester | WS |
Aktuelle und ergänzende Informationen, sowie Zeiten und Räume der Lehrveranstaltung finden Sie im Vorlesungsverzeichnis der Universität.
Link zum Vorlesungsverzeichnis
Link zum Studierendenportal
Das Themenfeld Wissensakquisition und Maschinelles Lernen ist ein stark expandierendes Wissensgebiet und Gegenstand zahlreicher Forschungs- und Entwicklungsvorhaben. Der Wissenserwerb kann dabei auf unterschiedliche Weise erfolgen. So kann ein System Nutzen aus bereits gemachten Erfahrungen ziehen, es kann trainiert werden, oder es zieht Schlüsse aus umfangreichem Hintergrundwissen.
Die Vorlesung behandelt sowohl symbolische Lernverfahren, wie induktives Lernen (Lernen aus Beispielen, Lernen durch Beobachtung), deduktives Lernen (Erklärungsbasiertes Lernen) und Lernen aus Analogien, als auch subsymbolische Techniken wie Neuronale Netze, Support Vektor-Maschinen und Genetische Algorithmen. Die Vorlesung führt in die Grundprinzipien sowie Grundstrukturen lernender Systeme ein und untersucht die bisher entwickelten Algorithmen. Der Aufbau sowie die Arbeitsweise lernender Systeme wird an einigen Beispielen, insbesondere aus den Gebieten Robotik und Bildverarbeitung, vorgestellt und erläutert.