Lehre/Vorlesung Maschinelles Lernen 1 - Grundverfahren/en
Machine Learning 1 - Fundamental Methods
| Type of course | lecture |
| Lecturer(s) | J. Marius Zöllner |
| Instructor(s) | Mohammd Karam Daaboul, Nikolai Polley, Marcus Fechner |
| 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
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.