RUB » LMI » Lehre » Seminar über Algorithmisches Lernen WS 2016/2017

Seminar über Algorithmisches Lernen WS 2016/2017

LVR-Nr: 150 544
Veranstaltung: Seminar über Algorithmisches Lernen
Mo 16.15 - 17.45, NA 1/64
Dozent: Hans U. Simon

News

  • Der vollständige Zeitplan für die Vorträge ist weiter unten zu sehen.

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 "konvexe Lernprobleme", "Regularisierung und Stabilität", "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". Die Literatur wird ggf. im Laufe des Seminars durch Orginalarbeiten weiterer Autorinnen und Autoren ergäzt.

Das Buch steht in der Mathe-Bibliothek als Präsenzexemplar zur Verfügung.

Zeitplan

07.11.2016 Kap. 12 im Lehrbuch Convex Learning Problems Jan Wrona
14.11.2016 Kap. 13 im Lehrbuch Regularization and Stability Leonie Selbach
21.11.2016 Kap. 14 im Lehrbuch Stochastic Gradient Descent I Imane Ehsanifatmesari
und Yaxiong Liu
28.11.2016 Kap. 14 im Lehrbuch Stochastic Gradient Descent II Imane Ehsanifatmesari
und Yaxiong Liu
05.12.2016 Kap. 26 im Lehrbuch Rademacher Complexities Lars Schlieper
12.12.2016 Kap. 27 und 28 im Lehrbuch Covering Numbers and Proof of the
Fundamental Theorem of Learning Theory I 		Niklas Troost
19.12.2016 Kap. 27 und 28 im Lehrbuch Proof of the Fundamental Theorem
of Learning Theory II 		Felix von der Heide
16.01.2017 Kap. 29 im Lehrbuch Multiclass Learnability Yannik Bihege
23.01.2017 Kap. 30 und 31 im Lehrbuch Compression Bounds and PAC-Bayes Moritz Möller