MachineLearningWiSe2003

Fachgebiet Erweiterte Realität (Prof. Gudrun Klinker)
Research Group for Augmented Reality
  • CAMP&AR

Hauptseminar Machine Learning

Prof. Gudrun Klinker, Ph.D., Prof. Dr. Stefan Kramer
Dipl.-Inf. Martin Bauer, Dipl.-Inf. Martin Wagner, Dipl.-Inf. Ulrich Rückert

Teilnehmer

maximal 12 Studenten nach bestandenem Vordiplom.

Voranmeldung per E-Mail mit kurzer Vorstellung und Beschreibung der Erwartungen an das Seminar an Martin Wagner oder Martin Bauer.

Übersicht

Machine Learning ist ein recht neues Gebiet der Informatik, das sich mit automatischer Mustererkennung (z.B. zur Gesichtserkennung), Vorhersage (sehr wichtig bei Börsenkursen) und dem Data Mining (z.B. um Einbrüche in Netzwerke zu ermitteln) beschäftigt. Die Anwendungsmöglichkeiten sind überaus zahlreich und gehen von der Genomanalyse in der Bioinformatik bis hin zur Spracherkennung. Auch der Bereich des Context Aware Computing ist ein besonders interessanter Einsatzbereich: immer kleiner werdende Rechner können den Benutzer nur dann sinnvoll unterstützen, wenn sie über den aktuellen Kontext, also Zeit, Aktivität, Ort und Absicht des Benutzers, möglichst genau Bescheid wissen. Die Ermittlung dieser Information aus einfachen Sensordaten mit Machine Learning Techniken steht im Mittelpunkt dieses Seminars.

In diesem Hauptseminar wollen wir uns hauptsächlich die mathematischen Grundlagen des Machine Learning sowie deren konkrete Anwendung in der Informatik an Hand von Beispielen anschauen. Dazu sollen wesentliche Algorithmen in Vorträgen vorgestellt und mitsamt ihren Haupteinsatzgebieten diskutiert werden.

When we write programs that "learn", it turns out that we do and they don't., Alan J. Perlis, Epigrams in Programming; 63.

Termine

Themenliste

Disclaimer: Die hier herunterladbaren Vorträge und Ausarbeitungen sind nach bestem Bemühen von den Teilnehmern dieses Seminars angefertigt worden. Die Veranstalter des Seminars können allerdings keinerlei Gewähr für die (insbesondere wissenschaftliche) Korrektheit übernehmen.

Datum Nr. Bearbeiter Betreuer Thema Materialien down
21.10.03 1 Martin Bauer Martin Bauer Bayesian Filters fighting Spam Vortragsfolien
4.11.03 3 Korbinian Schwinger Martin Bauer Exponential Family and Maximum Likelihood, Gaussian Mixture Models and the EM Algorithm Vortragsfolien, Ausarbeitung
11.11.03 4 Peter Hallama Martin Wagner Nonparametric techniques Vortragsfolien, Ausarbeitung
18.11.03 5 Nikolas Dörfler Ulrich Rückert Hidden Markov Models Vortragsfolien, Ausarbeitung
25.11.03 6 Can Önder Martin Wagner Clustering Vortragsfolien, Ausarbeitung
2.12.03 7 Marius Morawski Stefan Kramer Frequent Pattern Discovery Vortragsfolien, Ausarbeitung
16.12.03 8 Matthias Seidl Martin Bauer Neural Networks: Introduction and Single-Layer Networks Vortragsfolien, Ausarbeitung
16.12.03 9 Alexander Perzylo Martin Bauer Neural Networks: Multi-Layer Networks and Learning Algorithms Vortragsfolien, Ausarbeitung
13.01.04 10 Katja Kunze Ulrich Rückert Support Vector Machines, Kernels Vortragsfolien, Ausarbeitung
20.01.04 11 Christoph Petzinger Stefan Kramer Inductive Logic Programming, Relational Data Mining Vortragsfolien, Ausarbeitung
27.01.04 12 Maximilian Schwinger Stefan Kramer Ensemble Methods: Boosting, Bagging, Stacking Vortragsfolien, Ausarbeitung
3.02.04 13 Alexander Camek Stefan Kramer Reinforcement Learning Vortragsfolien, Ausarbeitung

Literatur

Ziel des Hauptseminars ist es unter anderem daß sich die Studenten selbständig auf die Suche nach der erforderlichen Literatur begeben. Als Startpunkte können jedoch die Hinweise auf der MachineLearningLiteratur? Seite dienen.

Anforderungen

  • Überdurchschnittliche Motivation
  • Vortrag ca. 45 Min
  • Ausarbeitung ca. 10 Seiten im Chair.LaTeX-Format
  • Anwesenheit und aktive Diskussionen in den Seminaren
  • Selbständige Literaturrecherche
  • Neben der eher mathematischen Schilderung des jeweiligen Algorithmus wird auch eine Diskussion der Vor- und Nachteile sowie eine kurze Erläuterung der Einsatzgebiete erwartet.
  • Natürlich wird eine praktische Demonstration des Algorithmus, möglichst live und mit vielen bunten Bildern, überaus honoriert.

Nützliche Links



Edit | Attach | Refresh | Diffs | More | Revision r1.1 - 20 Sep 2012 - 16:53 - Main.guest

rss.gif © 2001-2004, Lehrstuhl für angewandte Softwaretechnik (2000-2004)   
© 2005 am Lehrstuhl für Informatikanwendungen in der Medizin & Augmented Reality (seit 2005)