Ruprecht-Karls-Universität Heidelberg
Bilder vom Neuenheimer Feld, Heidelberg und der Universität Heidelberg
Siegel der Uni Heidelberg

Machine Learning

Kursbeschreibung

DozentInnen Sascha Fendrich
Veranstaltungsart Hauptseminar/Übung
Zeit und Ort HS: Do, 14:15 - 15:45, INF 325 / SR 24 (SR), ab 22.10.
  Üb: Do, 11:15 - 12:00, INF 325 / SR 24 (SR), ab 29.10.
  Achtung! Termin verlegt:
Üb: Do, 13:45 - 14:15, INF 325 / SR 24 (SR).
Studiengang MA, Magister
Modul-Kürzel MA: SS-CL, SS-TAC
Leistungsbewertung MA: 8 LP

Teilnahmevoraussetzungen

- Programmierprüfung
- Formale Grundlagen oder Mathematischer Vorkurs
- Grundkenntnisse in Statistik

Leistungsnachweis

- Bearbeitung der Übungsaufgaben
- Referat (40%)
- Klausur bzw. mündliche Prüfung (60%)

Inhalt

Die Veranstaltung hat in der ersten Semesterhälfte die Form einer Vorlesung; in der zweiten Hälfte erfolgen Referate der Teilnehmer. Gegenstand der Veranstaltung sind grundlegende Methoden des Maschinellen Lernens. Behandelt werden u.a. Entscheidungsbäume, Clustering-Verfahren, Naive Bayes, Kernel-basierte Methoden und Support-Vector-Maschinen. Darüber hinaus wird es im Rahmen einer Übung die Gelegenheit geben, die Data-Mining-Software WEKA kennen zu lernen.

Kursübersicht

Seminarplan

Datum Sitzung Materialien
Vorlesungsteil
22.101. Orga, Einführung, Begriffliches LernenFolien, Übung
29.102. Klassifikation, EntscheidungsbäumeFolien, Übung, arff, Musterlösung
05.113. Künstliche Neuronale NetzeFolien, Übung, Musterlösung
12.114. Kernels und Support-Vector-MaschinenFolien, Übung, Musterlösung
19.115. Instanzbasiertes Lernen & Naive BayesFolien, Übung, Musterlösung
26.116. Orga, Induktive Logische ProgrammierungFolien, Übung, Musterlösung
03.127. Assoziationsregeln, ClusteringFolien, Übung, Musterlösung (update)
10.128. Regelinduktion, Genetische AlgorithmenFolien I, Folien II (update)
17.129. entfällt
Seminarteil
07.0110. Vorbesprechung der Referate
14.0111a. Decision Trees / Named Entity Recognition (Katharina)
11b. Neural Networks / Word Alignment (Patrick)
Folien (11a, 11b)
21.0112a. Neural Networks / Word Sense Disambiguation (Klara)
12b. Support Vector Machines / BioNER (Sandra)
Folien (12a, 12b)
28.0113. Fragestunde / WiederholungFolien
Freitag
05.02
14. Prüfung (ab 14:00 Uhr, Raum 107)

Literatur

  • Mitchell: Machine Learning. McGraw-Hill, 1997.
  • Witten/Frank: Data Mining. Morgan Kaufman, 2005.
  • Manning and Schütze: Foundations of Statistical Natural Language Processing. MIT Press, 1999.

weitere Literatur wird im Kurs bekannt gegeben

Links

» weitere Kursmaterialien