English
I831 – Maschinelle Lernverfahren
Machine learning techniques
Version: 1
Prof. Dr. rer. nat. Boris Hollas
boris.hollas(at)htw-dresden.de
Prof. Dr. rer. nat. Boris Hollas
boris.hollas(at)htw-dresden.de
Deutsch
5.00 Credits
150 Stunden
4.00 SWS (2.00 SWS Vorlesung | 2.00 SWS Praktikum)
90.00 Stunden
Mündliche Prüfungsleistung
Modulprüfung | Prüfungsdauer: 30 min | Wichtung: 100 %
In der Vorlesung werden überwachte und unüberwachte Lernverfahren behandelt und in den praktischen Übungen auf Datensätze angewendet.
Überwachte und unüberwachte Lernverfahren::
- Naiver Bayes
- Nearest Neighbor
- Support Vector Machines
- Entscheidungsbäume, Random Forests, Pruning
- Validierung und Bewertung der Güte von Lernverfahren
- Clusterverfahren und deren Güte
Verfahren zur Sequenzklassifikation:
- Hidden Markov Modelle
- Maximum Entropy Markov Modelle
Theorie und Anwednung der Maschinellen Lernverfahren werden beherrscht und können auf neue Zusammenhänge praktisch angewendet werden.
Géron: Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow.
Werden in der Lehrveranstaltung bekannt gegeben.