Stage-oe-small.jpg

Lehre/Vorlesung Maschinelles Lernen 1 - Grundverfahren/en

Aus Aifbportal
< Lehre/Vorlesung Maschinelles Lernen 1 - Grundverfahren
Version vom 29. Januar 2018, 19:44 Uhr von Co1539 (Diskussion | Beiträge) (Auto create by AifbPortalExt)
(Unterschied) ← Nächstältere Version | Aktuelle Version (Unterschied) | Nächstjüngere Version → (Unterschied)
Wechseln zu:Navigation, Suche

Machine Learning 1 - Fundamental Methods

Details of Course
Type of course lecture
Lecturer(s) J. Marius Zöllner
Instructor(s) Karl Kurzer, Mohammd Karam Daaboul
Subject Maschinelles Lernen, Künstliche Intelligenz, Informatik
Credit Points
Control of Success Klausur
Term winter


You find additional information, the time schedule and room numbers in the University Course Overview.

Course Overview https://campus.kit.edu/
Student Portal https://studium.kit.edu



Research Group


Content

Das Themenfeld Wissensakquisition und Maschinelles Lernen ist ein stark expandierendes Wissensgebiet und Gegenstand zahlreicher Forschungs- und Entwicklungsvorhaben. Der Wissenserwerb kann dabei auf unterschiedliche Weise erfolgen. So kann ein System Nutzen aus bereits gemachten Erfahrungen ziehen, es kann trainiert werden, oder es zieht Schlüsse aus umfangreichem Hintergrundwissen.

Die Vorlesung behandelt sowohl symbolische Lernverfahren, wie induktives Lernen (Lernen aus Beispielen, Lernen durch Beobachtung), deduktives Lernen (Erklärungsbasiertes Lernen) und Lernen aus Analogien, als auch subsymbolische Techniken wie Neuronale Netze, Support Vektor-Maschinen und Genetische Algorithmen. Die Vorlesung führt in die Grundprinzipien sowie Grundstrukturen lernender Systeme ein und untersucht die bisher entwickelten Algorithmen. Der Aufbau sowie die Arbeitsweise lernender Systeme wird an einigen Beispielen, insbesondere aus den Gebieten Robotik und Bildverarbeitung, vorgestellt und erläutert.