Maschinelles Lernen und Data Mining - WS 04/05

Last changed: $Date: 2005-03-18 11:05:23 $ (UTC)

Prof. Dr. J. Fürnkranz, Dr. G. Grieser

Die Veranstaltung im Vorlesungsverzeichnis 2004/2005.


Tag Zeit Raum Start
Vorlesung Donnerstag 09:50-11:30 S202/C110 26.10.
Übung Dienstag 09:50-11:30 S202/C110 02.11.

Ankündigungen

Der Termin für die Klausureinsicht ist Dienstag, 12. April 2005, 15-17 Uhr in S202/E315.

Die Notenliste hängt nun in E3 aus.

Klausur

Termin:
14.02.2004, 09.00 - 12.00 Uhr
Ort:
S206/030
Anmeldung:
Senden Sie bitte ein Mail an Frau Ploch. Ausserdem sollten Sie die gewünschte Klausursprache (Deutsch oder Englisch) angeben.
Erlaubte Unterlagen:
Es sind alle schriflichen Unterlagen erlaubt.
Elektronische Hilfsmittel (Taschenrechner, Handy, etc.) sind dagegen nicht erlaubt.
Alte Klausuren:

Inhalt

Durch die Entwicklung der Informationstechnologie sind immer größere Datenmengen verfügbar. Diese enthalten oft implizites Wissen, das, wenn es bekannt wäre, große wirtschaftliche oder wissenschaftliche Bedeutung hätte. Data Mining ist ein Forschungsgebiet, das sich mit der Suche nach potentiell nützlichem Wissen in großen Datenmenge beschäftigt, und Maschinelles Lernverfahren gehören zu den Schlüsseltechnologien innerhalb dieses Gebiets.

Die Vorlesung bietet eine Einführung in das Gebiet des Maschinellen Lernens unter dem besonderen Aspekt das Data Minings. Es werden Verfahren aus verschiedenen Paradigmen des Maschinellen Lernens mit exemplarischen Anwendungen vorgestellt. Um das Wissen zu operationalisieren, werden in den Übungen praktische Erfahrungen mit Lernalgorithmen gesammelt.

Übungen

Projekt

Informationen zum Projekt sind nun auf einer eigenen Seite verfügbar.

Das Machine Learning Tool WEKA ist auf den Rechnern der RBG installiert. Zur Verwendung ist die Variable CLASSPATH um /usr/local/lib/java/weka-3-4/weka.jar zu ergänzen. WEKA benötigt Java 1.4, welches im Pool z.B. unter /opt/gnome/java/j2sdk1.4.2/bin/java zu finden ist. Zum Starten des Explorers eignen sich folgende Zeilen:

  export CLASSPATH="/usr/local/lib/java/weka-3-4/weka.jar:$CLASSPATH"
  /opt/gnome/java/j2sdk1.4.2/bin/java weka.gui.explorer.Explorer

Die Experimenter GUI starten Sie mit:

  export CLASSPATH="/usr/local/lib/java/weka-3-4/weka.jar:$CLASSPATH"
  /opt/gnome/java/j2sdk1.4.2/bin/java weka.gui.experiment.Experimenter

Lehrbücher

Papers

Während die Lehrbücher den Stoff im großen und ganzen behandeln, und in vielen Punkten auch noch tiefer gehen, werden in der Vorlesung zum Teil andere Schwerpunkte gesetzt. Als ergänzende Literatur empfehlen wir im wesentlichen die folgenden Arbeiten (bitte auf Updates achten): Papers zu vielen Themen finden Sie oft auch mit CiteSeer, DER Suchmaschine für wissenschaftliche Texte der Informatik

Data Mining Tutor

Machine-Learning-Werkzeuge

Beispiel-Datensätze

Demos

Data Mining-Wettbewerbe

Wenn Sie Interesse haben, am Data Mining Cup 2005 teilzunehmen, besuchen Sie das Prakikum aus Maschinellem Lernen im Sommersemester 2005!
Kontakt

small ke-icon

Knowledge Engineering Group

Fachbereich Informatik
TU Darmstadt

S2|02 D203
Hochschulstrasse 10

D-64289 Darmstadt

Sekretariat:
Telefon-Symbol+49 6151 16-21811
Fax-Symbol +49 6151 16-21812
E-Mail-Symbol info@ke.tu-darmstadt.de

 
A A A | Drucken | Impressum | Sitemap | Suche | Mobile Version
zum Seitenanfangzum Seitenanfang