MIN Faculty
Department of Informatics
Knowledge Technology

Warning!

This webpage is outdated and has moved. Please find the official Knowledge Technology page at:

https://www.inf.uni-hamburg.de/en/inst/ab/wtm/

Teaching

Lecture: Algorithmic Learning /Algorithmisches Lernen

Summer Semester 2010

News/Aktuelles

NEU: Weiterführende Seite zur Fortsetzung der Vorlesung bei TAMS


Top

Information/Allgemeine Informationen

LV-Nummer: 64-360
Lecturer: Norman Hendrich, Prof. Stefan Wermter, Jianwei Zhang;
Period: 4 UE / Wöchentlich 2 UE Mi 8:15-9:45 07.04.10; 2 UE Mi 10:15-11:45 ab 07.04.10
Room: F-009
Credit Hours 4 SWS
Language: Deutsch/Englisch
Module: WPM6-AL


Top

Contents/Inhalte

Zahlreiche anspruchsvolle Problemstellungen im Bereich der wissensbasierten Systeme und der qualitativen Datenanalyse entziehen sich dem traditionellen Lösungsansatz, bei dem die gesamte zur Problemlösung erforderliche Information von menschlichen Experten im Verlauf der Softwareentwicklung bereitgestellt werden muss. Die Gründe hierfür können vielfältig sein: Zum einen ist oftmals das erforderliche Wissen gar nicht verfügbar, etwa weil zwar das Ziel der Verarbeitung klar umrissen ist, nicht jedoch der Weg dorthin (z.B. bei Klassifikations- und Steuerungsaufgaben im Bereich der Bild- und Sprachverarbeitung, sowie der Robotik). In anderen Fällen, ist das Wissen über die vorliegenden Daten selbst das Ziel der Verarbeitung (z.B. Data Mining zur Entscheidungsunterstützung und Informationserschließung). In beiden Fällen kann versucht werden, ein generisches Verfahren zu realisieren, in dem wichtige Parameter zum Entwurfszeitpunkt noch unbekannt sind und erst in einem nachfolgenden Lernprozess aufgrund von Beispieldaten geeignet bestimmt werden müssen. Die Veranstaltung behandelt sowohl Lernverfahren für diskrete als auch für kontinuierliche Beschreibungen (Klassifikation bzw. Funktionsapproximation) aus den Bereichen der instanzen-basierten bzw. stochastischen Verfahren, sowie konnektionistische Ansätze. Schwerpunkte sind dabei die Bedingungen für ein erfolgreiches Training der Systemparameter auch unter realistischen Bedingungen (verrauschte und inkonsistente Daten), der Prozess der Datengewinnung selbst, sowie die Methodik der Systemevaluation.


Top

Objective/Lernziel

Vermittlung von Kenntnissen über Entwicklung der Fähigkeit zur


Top

Procedure/Vorgehen

Geeignet für Bachelor-, Master- und Diplomstudenten der Informatik sowie für Masterstudenten der Bioinformatik. Vorlesung mit Kleingruppenübungen (64-361 übungen zu Algorithmisches Lernen).


Top

Literature/Literatur