Seminar über Algorithmisches Lernen WS 2014/2015
LVR-Nr: | 150 544 |
---|---|
Veranstaltung: | Seminar über Algorithmisches Lernen Mo 16.15 - 17.45, NA 1/64 |
Dozent: | Hans U. Simon |
News
- Es gibt keine freien Plaetze mehr zu vergeben.
Kommentar
Gegenstand des Seminars ist die Algorithmen- und Statistik-basierte Theorie des Maschinellen Lernens. Aufbauend auf den Grundkenntnissen behandeln wir ausgewählte Themen wie zum Beispiel "Modellselektion und -validierung", "Regularisierung und Stabilität", "Lernen und konvexe Optimierung", "Stochastischer Gradientenabstieg", und veschiedene Techniken zur Kontrolle des Generalisierungsfehlers.
Im Anschluss an das Seminar können Themen für Masterarbeiten vergeben werden.
Voraussetzungen
Vorteilhaft fuer die Teilnahme am Seminar sind Grundkenntnisse in der "Theorie des Maschinellen Lernens" wie sie etwa in der gleichnamigen Vorlesung vermittelt werdem. Es werden weiterhin Kenntnisse aus den mathematischen Grundvorlesungen der ersten drei bis vier Semester erwartet.
Literatur
Das Seminar orientiert sich hauptsächlich an dem Buch von Shai Shalev-Shwartz und Shai Ben-David mit dem Titel "Understanding Machine Learning - From Theory to Algorithms". Zudem wurde vom Leiter des Seminars ein kurzes Arbeitspapier als pdf-File an alle Teilnehmerinnen und Teilmehmer per Mail gesendet.
Das Buch steht in der Mathe-Bibliothek als Präsenzexemplar zur Verfügung.
Zeitplan
10.11.2014 | Kap. 9 im Lehrbuch | Lineare Lernprobleme | Rafael Kurek |
17.11.2014 | Kap. 12 im Lehrbuch | Konvexe Lernprobleme | Kevin Kokot |
24.11.2014 | Kap. 13 im Lehrbuch | Regularisierung und Stabiltät | Daniel Loop |
01.12.2014 | Kap. 14 im Lehrbuch | Stochastischer Gradientenabstieg (Vortrag 1) | Janina Preuss und Bernhard Kilgus |
08.12.2014 | Kap. 14 im Lehrbuch | Stochastischer Gradientenabstieg (Vortrag 2) | Janina Preuss und Bernhard Kilgus |
15.12.2014 | Kap. 15 im Lehrbuch | Support-Vektor-Maschinen | Chris Scharpenberg |
12.01.2015 | Kap. 16 im Lehrbuch | Kernel-Methoden | Marie Düker |