Maschinelles Lernen und Data Mining - WS 05/06

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

Die Veranstaltung im Vorlesungsverzeichnis 2004/2005.


Tag Zeit Raum Start
Vorlesung Dienstag 09:50-11:30 S202/C110 25.10.
Übung Donnerstag 09:50-11:30 S202/C110 03.11.

Ankündigungen

Die vorläufigen Klausur-Ergebnisse hängen ab sofort im Flur E3 aus. 
Die Klausureinsicht findet statt am Mittwoch, dem 19.04.06   von 09:00 - 11:00 Uhr in Raum E 202.

Klausur

Termin:
23.02.2006, 8:30 - 11:00    S206/030
Anmeldung:
falls Sie sich nicht beim Zentralen Prüfungssekretariat Informatik anmelden mußten, melden Sie sich bitte hier an.
Erlaubte Unterlagen:
Es sind alle schriflichen Unterlagen erlaubt.
Elektronische Hilfsmittel (Taschenrechner, Handy, elektronisches Wörterbuch, 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 Datenmengen 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 des 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.

Die Vorlesung wird ab diesem Semester etwas andere Schwerpunkte setzen als die Vorlesung Einführung in Maschinelles Lernen und Data Mining früherer Semester (WS 04/05), der Inhalt ist aber zu großen Teilen identisch.

Übungen

Projekt

Informationen zum Projekt finden Sie hier.

Forum

Das Diskussionsforum zur Lehrveranstaltung finden Sie hier.

Literatur

Die folgenden beiden Lehrbücher behandeln einen Großteil des Stoffes: 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 2006 teilzunehmen, besuchen Sie das Prakikum aus Maschinellem Lernen im Sommersemester 2006!
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