Maschinelle Lernverfahren spielen in eine wichtige Rolle bei der Datenanalysen und Modellierung sowohl in der Industrie als auch in der Forschung.

Diese Verfahren können aus Daten Modelle lernen und diese Modelle auf unbekannte Instanzen anwenden. Beispiele für die praktische Anwendung sind z.B. Schrifterkennung, Bilderkennung, Warenkorbanalysen, Spamfilter, oder Eigenschaftvorsage chemischer Verbindungen.

In diesem Seminar werden grundlegende maschinelle Lernverfahren, ihre theoretischen Grundlagen und deren praktischen Anwendung vorgestellt. Zudem werden Validierungsstrategien und Parameteroptimerungs-Methoden vorgestellt.

Literatur wird in der Vorbesprechung angegeben. Eine Woche vor dem Vortrag müssen die Vortragsfolien mit dem Betreuer besprochen werden; der Student muss seine Ausarbeitung spätestens zwei Wochen nach dem Vortrag beim jeweiligen Betreuer abgeben. Der Vortrag und die Ausarbeitung dürfen gerne in Englisch sein.

Literaturvorschläge:

Stilvorlage

• Für die Erstellung der Ausarbeitungmit Word97/2000 gibt es hier eine Stilvorlage( , 27kB).
• Wenn Sie eine andere Textverarbeitungbevorzugen, orientieren Sie sich bitte an diesem Muster ( , 13kB).
• Für -Fans gibt es einen Stylemit kleinem Demo.