Maschinelles Lernen 1 - Grundverfahren
- Type: Vorlesung (V)
- Semester: WS 16/17
-
Time:
18.10.2016
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
25.10.2016
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
08.11.2016
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
15.11.2016
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
22.11.2016
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
29.11.2016
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
06.12.2016
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
13.12.2016
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
20.12.2016
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
10.01.2017
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
17.01.2017
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
24.01.2017
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
31.01.2017
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
07.02.2017
09:45 - 11:15 wöchentlich
50.34 Raum -101 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
-
Lecturer:
Prof.Dr.-Ing. Johann Marius Zöllner
Prof. Dr. Rüdiger Dillmann - SWS: 2
- Lv-No.: 24150
Bemerkungen | Ansprechpartner: M. Zöllner, email: zoellner@fzi.de |
Voraussetzungen | Empfehlungen: Der Besuch der Vorlesungen Formale Systeme und Kognitive Systeme ist hilfreich beim Verständnis der Vorlesung. |
Beschreibung |
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.
|
Lehrinhalt | 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, Genetische Algorithmen und Reinforcement Lernen. Die Vorlesung führt in die Grundprinzipien sowie Grundstrukturen lernender Systeme und der Lerntheorie ein und untersucht die bisher entwickelten Algorithmen. Der Aufbau sowie die Arbeitsweise lernender Systeme wird an einigen Beispielen, insbesondere aus den Gebieten Robotik, autonome mobile Systeme und Bildverarbeitung vorgestellt und erläutert. |
Arbeitsbelastung | Vorlesung mit 2 SWS, plus Nachbereitung durch die Studierenden. |
Ziel |
|
Prüfung | Die Erfolgskontrollewird in der Modulbeschreibung erläutert. Turnus: jedes Semester während der Vorlesungszeit. |