Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 

PRÄSENZ im WiSe 22: Maschinelles Lernen und Datamining - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung Langtext
Veranstaltungsnummer 36285 Kurztext FMI-IN0034
Semester WS 2022 SWS 4
Teilnehmer 1. Platzvergabe 60 Max. Teilnehmer 2. Platzvergabe 80
Rhythmus Jedes 2. Semester Studienjahr
Credits für IB und SPZ
E-Learning
Hyperlink
Sprache Deutsch
Belegungsfrist Zur Zeit keine Belegung möglich
Abmeldefristen


Termine Gruppe: 1-Gruppe iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Lehrperson (Zuständigkeit) Status Bemerkung fällt aus am Max. Teilnehmer 2. Platzvergabe
Einzeltermine anzeigen Mi. 10:00 bis 12:00 w. 19.10.2022 bis
08.02.2023
Fürstengraben 1 - HS 250   findet statt 23.11.2022: Krankheitsbedingter Ausfall
30.11.2022: Krankheitsbedingter Ausfall
07.12.2022: Krankheitsbedingter Ausfall
Einzeltermine anzeigen Mi. 14:00 bis 16:00 Einzel-V. 01.03.2023 bis
01.03.2023
    findet statt

Klausurtermin - findet am Steiger 3, Haus 4,  im Döbereiner Hörsaal statt

 
Einzeltermine anzeigen Mi. 10:00 bis 12:00 Einzel-V. 29.03.2023 bis
29.03.2023
    findet statt

Klausurtermin - findet am Fürstegraben 1 - HS 250 (Hörsaal) statt

 
Einzeltermine anzeigen Do. 14:00 bis 16:00 w. 20.10.2022 bis
09.02.2023
Fürstengraben 1 - HS 250   findet statt 24.11.2022: Krankheitsbedingter Ausfall
01.12.2022: Krankheitsbedingter Ausfall
08.12.2022: Krankheitsbedingter Ausfall
12.01.2023: Ausfall wie angekündigt
Gruppe 1-Gruppe:



Zugeordnete Person
Zugeordnete Person Zuständigkeit
Bodesheim, Paul , Dr.-Ing. verantwortlich
Zuordnung zu Einrichtungen
Fakultät für Mathematik und Informatik
Institut für Informatik
Inhalt
Lerninhalte

Inhalte der Vorlesung "Maschinelles Lernen und Datamining":

  • Einführung (Was ist Lernen?, Repräsentationsformen, Aufgabenstellungen, Datamining)
  • Datenaufbereitung (Skalen, Relationen, Konvertierung, Ausreißer, Imputation)
  • Visualisierung (PCA, MDS, SOFM, NMF, ICA, Hauptflächen, Faktoranalyse; visuelle Datenerkundung)
  • Kategorisierung (Versionenraum, Loglinearmodelle, Bayesregel, Entscheidungsbäume)
  • Gruppierung (Hierarchische, relationale, konzeptuelle & spektrale Gruppierung, (fuzzy) K-means, EM/GMM/PPCA)
  • Abhängigkeiten (Korrelation, Assoziation, Dependenzmodelle, Bayesnetze, Markovnetze, Lernen und Schließen)
Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WS 2022 , Aktuelles Semester: SoSe 2024

Impressum | Datenschutzerklärung