Hauptseminar Machine Learning - Offline vs. Online Learning
Prof. Gudrun Klinker, Ph.D., Prof. Dr. Stefan Kramer
Dipl.-Inf. Martin Wagner, Dipl.-Inf. Martin Bauer, 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 (
martin.wagner@in.tum.de) oder Martin Bauer (
martin.bauer@in.tum.de).
Übersicht
In diesem Seminar sollen mehrere Verfahren des maschinellen Lernens diskutiert werden. Dabei liegt ein besonderer Augenmerk auf online-Lernverfahren, d.h. Methoden, die ihre erlernten Parameter mit jedem neuen Eingabedatum anpassen. Im Gegensatz dazu stehen offline-Verfahren, die ihre Parameter mit einem fixen Satz von Trainingsdaten a priori erlernen.
Wir wollen die
Teamarbeit der Teilnehmer fördern, indem bei den meisten Themen zwei Teilnehmer sowohl über offline- als auch online-Varianten einer bestimmten Klasse von Lernverfahren in einem gemeinsamen Vortrag berichten. Die Aufteilung und Gliederung des Vortrags bleibt dabei den Teammitgliedern überlassen.
Termine
Themenliste
Merkblatt zum Ablauf des Seminars.
| Datum | Nr. | Bearbeiter | Betreuer | Thema | Materialien |
|---|
| | 1 | | | Concept Learning and Version Spaces | Click me!? |
| | 2 | | | Online Machine Learning Algorithms | Click me!? |
| | 3.1 | | | Association Rules and Frequent Itemsets: Offline | Click me!? |
| | 3.2 | | | Association Rules and Frequent Itemsets: Online | Click me!? |
| | 4.1 | | | Decision Trees: Offline | Click me!? |
| | 4.2 | | | Decision Trees: Online | Click me!? |
| | 5.1 | | | Rule Learning: Offline | Click me!? |
| | 5.2 | | | Rule Learning: Online | Click me!? |
| | 6.1 | | | Support Vector Machines: Offline | Click me!? |
| | 6.2 | | | Support Vector Machines: Online | Click me!? |
| | 7.1 | | | Bayesian Learning: Offline | Click me!? |
| | 7.2 | | | Bayesian Learning: Online | Click me!? |
| | 8.1 | | | Clustering: Offline | Click me!? |
| | 8.2 | | | Clustering: Online | Click me!? |
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
- Ein paar Seiten mit Tipps zur Präsentation
- Chair.LaTeX Hints vom Lehrstuhl Radig:
© 2001-2004, Lehrstuhl für angewandte Softwaretechnik (2000-2004)