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 |