Lehrinhalte
[list]
[*]Einführung
[*]Lineare Verfahren
[*]Support Vector Machines
[*]Ensemble-Verfahren und Boosting
[*]Training und Bewertung
[*]Unüberwachtes Lernen
[*]Neuronale Netze
[*]Faltende Neuronale Netze (CNNs)
[*]CNN-Architekturen und Anwendungen
[*]Rekurrente Neuronale Netze (RNNs)*]
[/list]
Literatur
[list]
[*]T. Hastie et al.: The Elements of Statistical Learning. 2. Aufl., Springer, 2008
[*]I. Goodfellow et al.: Deep Learning. MIT Press, 2016
[*]A. Géron: Hands-On Machine Learning with Scikit-Learn and TensorFlow. OReilly, 2017*]
[/list]
Voraussetzungen
Grundlegende Kenntnisse in linearer Algebra und Statistik
Wünschenswert: Vorlesung Fuzzy-Logik, Neuronale Netze und Evolutionäre Algorithmen
Online-Angebote
moodle
[list]
[*]Einführung
[*]Lineare Verfahren
[*]Support Vector Machines
[*]Ensemble-Verfahren und Boosting
[*]Training und Bewertung
[*]Unüberwachtes Lernen
[*]Neuronale Netze
[*]Faltende Neuronale Netze (CNNs)
[*]CNN-Architekturen und Anwendungen
[*]Rekurrente Neuronale Netze (RNNs)*]
[/list]
Literatur
[list]
[*]T. Hastie et al.: The Elements of Statistical Learning. 2. Aufl., Springer, 2008
[*]I. Goodfellow et al.: Deep Learning. MIT Press, 2016
[*]A. Géron: Hands-On Machine Learning with Scikit-Learn and TensorFlow. OReilly, 2017*]
[/list]
Voraussetzungen
Grundlegende Kenntnisse in linearer Algebra und Statistik
Wünschenswert: Vorlesung Fuzzy-Logik, Neuronale Netze und Evolutionäre Algorithmen
Online-Angebote
moodle
- Lehrende: Jürgen Adamy
- Lehrende: Michael Vogt
Semester: SoSe 2019