RUB » LMI » Lehre » Theorie des Maschinellen Lernens Sommer 2014

Theorie des Maschinellen Lernens Sommer 2014

LVR-Nr: 150 338
Veranstaltung: Theorie des Maschinellen Lernens
4 std.
NB 3/99 Di 12:00-14:00 und
NA 02/99 Mi 12:00-14:00
Dozent: Hans U. Simon
Übungen Malte Darnstädt
2 std.
NA 2/64 Mo 8:30-10:00

Aktuelles

Mündliche Prüfung

Die Termine für die mündliche Prüfung stehen jetzt fest: Möglich sind der 23. Juli oder der 1. Oktober.

Informationen aus dem Vorlesungsverzeichnis

Kommentar

Die Vorlesung richtet sich an Studierende der Mathematik und an Studierende der Angewandten Informatik. Gegenstand der Vorlesung ist die Algorithmen- und Statistik-basierte Theorie des Maschinellen Lernens aus zufälligen Beispielen. Wir befassen uns mit der Bestimmung der Informations- und der Berechnungskomplexität von Lernproblemen. Die letzten Abschnitte der Veranstaltung sind Modellen gewidmet, die den Algorithmen eine aktivere Rolle zuschreiben als dies beim Lernen durch zufällige Beispiele der Fall ist.

Voraussetzungen

Mathematische Grundkenntnisse, wie sie in den ersten drei Semestern der Bachelorphase erworben werden, sowie Grundkenntnisse in Warscheinlichkeitstheorie werden vorausgesetzt.

Literatur

Wir empfehlen das Lehrbuch "An Introduction to Computational Learning Theory" verfasst von Michael J. Kearns und Umesh V. Vazirani sowie das Lehrbuch "Neural Network Learning: Theoretical Foundations" verfasst von Martin Anthony und Peter L. Bartlett.

Materialien

Übungsblätter

Zusatzmaterial

Vorlesungstoff

Termin Kapitel im Buch
08.04., 09.04.1.1 bis 1.3
15.04., 16.04.1.4, 1.5, 2.1 bis 2.3
22.04., 23.04.2.4, 3.1 bis 3.3
29.04., 30.04.3.4 bis 3.7
06.05., 07.05.1.1*, 1.2*, 3.1*, 3.2*, 3.4*
13.05., 14.05.4.1*, 4.3*, 6.1, 6.2 (teilweise)
20.05., 21.05.6.2 bis 6.5
27.05., 28.05.7.1 bis 7.3 (teilweise), endliche Automaten, Turing-Maschinen
03.06., 04.06.7.3, 8.1 bis 8.3
17.06., 18.06.8.4
24.06., 25.06.5.1 bis 5.4.3
01.07., 02.07.Seite 115 bis 125 von Kearns et. al "Towards Efficient Agnostic Learning"
08.07., 09.07.Seite 125 bis 132 von Kearns et. al "Towards Efficient Agnostic Learning"

Die mit Sternen markierten Kapitel beziehen sich auf das Buch "Boosting - Foundations and Algorithms" von Robert E. Schapire und Yoav Freund. Alle anderen Kapitel sind dem Buch von Kearns und Vazirani (siehe oben) entnommen.

Das Paper "Towards Efficient Agnostic Learning" von Kearns, Schapire und Sellie findet man zum Beispiel auf der Homepage von Robert Schapire.

Prüfung

Die Prüfungsleistung zur Vorlesung ist in Form einer mündlichen Prüfung zu erbringen. Zu diesem Zweck werden zwei Termine angeboten,

  • Mittwoch, der 23. Juli 2014
  • Mittwoch, der 1. Oktober 2014

Die Prüfungsanmeldung erfolgt nach den Regeln des für Sie zuständigen Prüfungsamtes.

Bitte lassen Sie sich vor der Anmeldung zur Prüfung einen Termin mit Uhrzeit von Malte Darnstädt geben.

Übungsaufgaben

Während der Vorlesungszeit wird jeden Montag auf dieser Seite ein neues Aufgabenblatt online gestellt, das bis zum folgenden Montag bearbeitet werden kann. Die Abgabe der Lösungen und die Rückgabe der korrigierten Aufgaben erfolgt in der Regel Montag morgens in der Übung. Falls eine Teilnahme an der Übung nicht möglich ist, können Aufgaben bei Malte Darnstädt in NA 1/71 eingereicht werden.

Die Blätter können in Gruppen von bis zu drei Personen bearbeitet und abgegeben werden. Jedes Gruppenmitglied muss aber in der Lage sein, in der Übung die Aufgaben an der Tafel zu präsentieren.

Teilnahmeschein

Für einen unbenoteten Teilnahmeschein sind 50% der Übungspunkte zu erreichen. Außerdem ist eine regelmäßige Teilnahme an der Übung (inklusive der Präsentation einer eigenen Lösung) notwendig.

Kontakt