Lehrinhalte
logische Programmierung
Lernen von logischen Programmen aus Daten
Probabilistische Graphische Modelle: Inferenz und Lernen
Statistisch-Relationale Modelle wie z.B. ProbLog und Markov Logic Networks
Schlussfolgern in statistisch-relationalen Modellen
Lernen von statistisch-relationalen Modellen aus Daten
Relationale lineare und quadratische Programme
Literatur
Literaturempfehlungen werden regelmäßig aktualisiert und beinhalten beispielsweise:
Luc De Raedt, Kristian Kersting, Sriraam Natarajan, David Poole (2016): Statistical Relational Artificial Intelligence: Logic, Probability, and Computation. Synthesis Lectures on Artificial Intelligence and Machine Learning, Morgan & Claypool Publishers, ISBN: 9781627058414.
Voraussetzungen
Der Besuch von Statistisches Maschinelles Lernen und Probabilistische Graphische Modelle ist empfohlen, ist aber keine Voraussetzung.
Online-Angebote
moodle
logische Programmierung
Lernen von logischen Programmen aus Daten
Probabilistische Graphische Modelle: Inferenz und Lernen
Statistisch-Relationale Modelle wie z.B. ProbLog und Markov Logic Networks
Schlussfolgern in statistisch-relationalen Modellen
Lernen von statistisch-relationalen Modellen aus Daten
Relationale lineare und quadratische Programme
Literatur
Literaturempfehlungen werden regelmäßig aktualisiert und beinhalten beispielsweise:
Luc De Raedt, Kristian Kersting, Sriraam Natarajan, David Poole (2016): Statistical Relational Artificial Intelligence: Logic, Probability, and Computation. Synthesis Lectures on Artificial Intelligence and Machine Learning, Morgan & Claypool Publishers, ISBN: 9781627058414.
Voraussetzungen
Der Besuch von Statistisches Maschinelles Lernen und Probabilistische Graphische Modelle ist empfohlen, ist aber keine Voraussetzung.
Online-Angebote
moodle
- Lehrende: Kristian Kersting
Semester: WiSe 2019/20