|
Department
of Computational Perception |
|
Spezielle Kapitel aus Intelligente Systeme:
Maschinelles Lernen
344.001, KV, 2std., WS 2004/05
Univ.-Prof.
Dr. Gerhard Widmer
Institut für Computational Perception
Johannes Kepler Universität Linz
ZEIT: Dienstag, 12:00 - 13:30
BEGINN: Dienstag, 5.10.2004
ORT: Raum T1010, TNF-Turm
Ziel:
Maschinelles
Lernen (Machine Learning) ist ein Teilbereich der Artificial
Intelligence, der sich mit der Entwicklung lernfähiger
Computerprogramme beschäftigt, wobei Lernen ein sehr weiter
Begriff ist, der alle Formen der Gewinnung von Wissen aus Erfahrungen
beinhaltet. Maschinelles Lernen ist nicht nur abstrakte
Grundlagenforschung, sondern wird auch immer wichtiger als
Grundlagentechnik in realen Anwendungen intelligenter Systeme - z.B.
lernfähige Roboter, sich selbst optimierende Steuerungsanlagen,
User Interfaces, die sich an den Benutzer anpassen, - aber auch und vor
allem im derzeit so aktiven Bereich des Data Mining.
Die LV gibt
einen Überblick über die Grundlagen und wichtigsten Methoden
des maschinellen Lernens. Die StudentInnen sollen danach in der Lage
sein, die Anwendbarkeit und Grenzen maschineller Lernalgorithmen
abzuschätzen und neue Arbeiten aus dem Forschungsbereich einordnen
und kritisch beurteilen zu können.
Inhalt:
In
der Vorlesung behandelte Themen sind z.B.
- Grundlegende Konzepte: Generalisierung,
Version Space, Bias
- Algorithmen zum Lernen von Klassifikationsregeln aus Beispielen
- Instanz- und fallbasiertes Lernen
- relationales Lernen und Inductive Logic Programming
- Kategorienbildung (Clustering)
- Reinforcement Learning
- Grundlagen genetischer Algorithmen
- Anwendungsmöglichkeiten für das maschinelle Lernen
Die
Vorlesung wird von einer Übung begleitet, in der in
regelmäßigen Abständen Fragen schriftlich zu
beantworten sind. Damit sollte eine optimale Vorbereitung auf die
schriftliche Prüfung gegeben sein.
Unterlagen:
pdf-Versionen
der in der Vorlesung verwendeten Powerpoint-Slides werden via Web zur
Verfügung gestellt werden.
Empfohlene
Literatur: Mitchell, T.M. (1997). Machine Learning. New York, N.Y.:
McGraw-Hill. Ein sehr lesenswertes Buch, das aber für die LV
nicht unbedingt notwendig ist.
Resultat
1. Übung:
NOTENSCHLUESSEL 1. Übung:
>= 5.8 = sehr gut (1)
>= 4.6 = gut (2)
>= 3.4 = befriedigend (3)
>= 2.2 = genuegend (4)
GRUPPE
1 2
3 4 5
6 7
| TOTAL NOTE
-------------------------------------------------------------------------------
MAX
5/5
3/3 3/3 1/1
4/4 2/2 1/1
| 7.00 1
-------------------------------------------------------------------------------
A Fe Fü Gu
3/5 1/3 1.5/3
0/1 4/4* 2/2
0/1 | 3.43 3
B Go Ni Sc Se 4/5
3/3 3/3 0/1
3/4 2/2 1/1
| 5.55 2
C He Pe Wi
1/5 2/3 1/3
0/1 4/4 2/2
0/1 | 3.20 4
D Br Wa Wi
4.5/5 3/3 2.5/3 1/1
3/4 2/2 1/1
| 6.48 1
E Al Dh La
3/5 3/3 1/3
0/1 4/4 2/2
1/1 | 4.93 2
F Be Hö La Va
2/5 2/3 2/3
0.5/1 4/4 1/2
1/1 | 4.73 2
G Bö
1.5/5 2/3
1.5/3 0/1 3/4
2/2 0/1 | 3.22
4
H Ch Cu Sc
0/5 2/3 2.5/3
0/1 4/4 2/2
1/1 | 4.50 3
I Gu Hö Ko
3/5 3/3 3/3
0/1 4/4 2/2
0/1 | 4.60 2
J Do Ra Sc
3/5 3/3 2.5/3
0/1 4/4 2/2
1/1 | 5.43 2
K Ha Ka Ko
3/5 3/3 1.5/3
0/1 3/4 2/2
1/1 | 4.85 2
L Ra
0/5 1.5/3
0.5/3 0/1 3/4 2/2
0/1 | 2.42 4
-------------------------------------------------------------------------------
MITTEL:
0.47 0.79 0.63 0.13
0.90 0.92 0.58 | 4.40 3
===============================================================================
Resultat
2. Übung:
NOTENSCHLUESSEL 2.
Übung:
> 5 = sehr
gut (1)
> 4 = gut
(2)
> 3 =
befriedigend (3)
> 2 =
genuegend (4)
GRUPPE
1
2 3 4
5 6 |
TOTAL NOTE EC*
--------------------------------------------------------------------------------
MAX
6/6
4/4 3/3 1/1
4/4 2/2 |
6.00 1 |
4/4
--------------------------------------------------------------------------------
A Fe Fü
Gu 4.5/6 0/4 0.5/3
1/1 4/4 0/1
| 2.92 4 | 0/4
B Go Ni Sc Se
6/6 3.5/4 3/3
1/1 4/4 2/2
| 5.88 1 | 3/4
C He Pe
Wi 2/6 0/4
0/3 1/1 3.5/4
0/2 | 2.21 4 |
0/4
D Br Wa
Wi 5.5/6 4/4
3/3 1/1 3.5/4
2/2 | 5.79
1 | 4/4
E Al Dh
La 5.5/6 2/4 1.5/3
1/1 3/4 0/1
| 3.67 3 | 0/4
F Be Hö
La Va 5/6 2.5/4 3/3
1/1 2.5/4 2/2 |
5.08 1 | 1/4
G
Bö
5/6 4/4 3/3
1/1 4/4 2/2
| 5.83 1 | 4/4
H Ch Cu
Sc 5/6 4/4
3/3 1/1 3/4
2/2 | 5.58
1 | 3/4
I Gu Hö
Ko 4/6 1/4
3/3 1/1 4/4
2/2 | 4.92
2 | 3/4
J Do Ra
Sc 5.5/6 2/4 2.5/3
1/1 4/4 2/2
| 5.25 1 | 0/4
K Ha Ka
Ko 4/6 4/4
3/3 0.5/1 0/4
0/2 | 3.17
3 | 4/4
L
Ra
3/6 3/4 2.5/3
1/1 4/4 2/2
| 5.08 1 | 0/4
--------------------------------------------------------------------------------
MITTEL:
0.76 0.63 0.78
0.96 0.82 0.67 | 4.62
2
================================================================================
* EC = Extra
Credit (wird im Zweifelsfall zu Ihrem Vorteil angerechnet ...)
Übung
- Endresultat:
NOTENSCHLUESSEL ÜBUNG GESAMT:
> 10.8 = sehr gut (1)
> 8.6 = gut (2)
> 6.4 = befriedigend (3)
> 4.2 = genuegend (4)
GRUPPE
UE1 UE2 |
TOTAL NOTE EC*
------------------------------------------------------
MAX 7
6 | 13
1
------------------------------------------------------
A Fe Fü Gu 3.43
2.92 | 6.35
4 0/4
B Go Ni Sc Se 5.55 5.88
| 11.43 1 3/4
C He Pe Wi 3.20
2.21 | 5.41
4 0/4
D Br Wa Wi 6.48
5.79 | 12.28 1
4/4
E Al Dh La 4.93
3.67 | 8.60
2 0/4
F Be Hö La Va 4.73 5.08
| 9.82 2 1/4
G Bö
3.22 5.83 | 9.05
2 4/4
H Ch Cu Sc 4.50
5.58 | 10.08 2
3/4
I Gu Hö Ko 4.60
4.92 | 9.52
2 3/4
J Do Ra Sc 5.43
5.25 | 10.68 2
0/4
K Ha Ka Ko 4.85
3.17 | 8.02
3 4/4
L Ra
2.42 5.08 | 7.50
3 0/4
-------------------------------------------------------
MITTEL: 4.45
4.61 | 9.06 2
=======================================================
FRAGEN, WÜNSCHE, BESCHWERDEN
bitte jederzeit an:
Gerhard
Widmer
Tel. 2468-1510
gerhard dot widmer at jku dot at
last
edited by ck at
2005-01-01