Theorie des Maschinellen Lernens Sommer 2017
LVR-Nr: | 150 338 |
---|---|
Veranstaltung: | Theorie des Maschinellen Lernens 4 std. NA 1/64, Di 12:00-14:00 und NA 1/64, Mi 12:00-14:00 |
Dozent: | Hans U. Simon |
Übungen | Christoph Ries 2 std. NA 5/24, Di 8:30-10:00 |
Aktuelles
- Mündliche Prüfung: Die Termine für die mündliche Prüfung stehen jetzt fest (siehe Unterpunkt "Prüfung").
Informationen aus dem Vorlesungsverzeichnis
Kommentar
Die Vorlesung richtet sich an Studierende der Mathematik und an Studierende der Angewandten Informatik. Gegenstand der Vorlesung ist die Statistik- und Algorithmen-basierte Theorie des Maschinellen Lernens aus zufälligen Beispielen. Wir befassen uns mit der Bestimmung der Informations- und der Berechnungskomplexität von Lernproblemen. Im ersten Teil der Vorlesung behandeln wir die grundlegenden Begriffe und Resultate der Theorie des maschinellen Lernens. Im zweiten Teil der Vorlesung beschäftigen wir uns mit verschiedenen Ansätzen zum Design von maschinellen Lernalgorithmen (wie zum Beispiel Boosting, stochastischer Gradientenabstieg, kernbasierte Verfahren, Entscheidungsbäume, Nearest Neighbor).
Voraussetzungen
Mathematische Grundkenntnisse, wie sie in den ersten drei Semestern der Bachelorphase erworben werden, sowie Grundkenntnisse in Wahrscheinlichkeitstheorie werden vorausgesetzt.
Literatur
Die Vorlesung orientiert sich an dem Lehrbuch "Understanding Machine Learning: from Theory to Algorithms" der Autoren Shai Shalev-Shwartz und Shai Ben-David.
Materialien
Übungsblätter
- Blatt 01
- Blatt 02
- Blatt 03
- Blatt 04
- Blatt 05
- Blatt 06
- Blatt 07
- Blatt 08
- Blatt 09
- Blatt 10
- Blatt 11
- Blatt 12
Zusatzmaterial
- Notation
- Concentration bounds
- Ein formales Lernmodell
- Lernen und uniforme Konvergenz (endlicher Fall)
- Lernen via uniforme Konvergenz (allgemeiner Fall)
- Nichtuniforme Lernbarkeit
- Effizientes PAC-Lernen
- Lineare Voraussagefunktionen
- Boosting
- Modellselektion und Validierung
- Support-Vector Maschinen und Kernel-Methoden
- Multiklassen-Klassifizierung und Rangordnungsprobleme
- Entscheidungsbäume
- Die Nearest-Neighbor-Lernregel
- Neuronale Netze
Vorlesungsstoff
Termin | Kapitel im Buch |
---|---|
18.04., 19.04. | 1, 2 |
25.04., 26.04. | 3, 4, 5.2, 6.1 |
02.05., 03.05. | 6.2, 6.3, 6.5.11, 5.3*, 4.3* |
09.05., 10.05. | 7.1, 7.2, 7.3 |
16.05., 17.05. | Effizientes PAC-Lernen |
23.05., 24.05. | Effizientes PAC-Lernen |
30.05., 31.05. | 9.1, 9.2 |
13.06., 14.06. | 9.3, 10.1-10.3 |
20.06., 21.06. | 11, 15.1-15.3 |
27.06., 28.06. | 16.1, 16.2 |
04.07., 05.07. | 17.1, 17.2 |
11.07., 12.07. | 17.3-17.5, 18.1 |
18.07., 19.07. | 18.2, 19, 20.1, 20.2 |
25.07. | 20.3-20.5 |
Die Kapitelangaben beziehen sich, falls nicht anders angegeben, auf das Buch von Shalev-Shwartz und Ben-David (siehe oben).
1 Der Beweis des Lemmas von Sauer folgt der Version von Shay Moran.
* Die Angabe bezieht sich auf das Buch "Neural Network Learning: Theoretical Foundations" von Anthony und Bartlett.
Prüfung
Die Prüfungsleistung zur Vorlesung ist in Form einer mündlichen Prüfung zu erbringen. Zu diesem Zweck werden zwei Termine angeboten:
- Mittwoch, 26. Juli 2017
- Mittwoch, 27. September 2017
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 Christoph Ries geben.
Übungsaufgaben
Während der Vorlesungszeit wird jeden Dienstag auf dieser Seite ein neues Aufgabenblatt online gestellt, das bis zum folgenden Dienstag bearbeitet werden kann. Die Abgabe der Lösungen und die Rückgabe der korrigierten Aufgaben erfolgt in der Regel Dienstag morgens in der Übung. Falls eine Teilnahme an der Übung nicht möglich ist, können Aufgaben bei Christoph Ries in NA 1/69 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
- Hans U. Simon, NA 1/73
- Christoph Ries, NA 1/69