Maschinelles Lernen
Im Seminar werden die aktuell in diversen Anwendungsgebieten eingesetzten Methoden des maschinellen Lernens besprochen. Wir nehmen uns konkrete Methoden vor. Einige Beispiele können sein:
- Mathematische Grundlagen
- Modellauswahl-Algorithmen
- Regularisierung
- Dimensionsreduktion
- Entscheidungsbäume
- Support Vector Machines
- Neuronale Netze
Voraussetzung für die Teilnahme ist Interesse an den Methoden des maschinellen Lernens.
Anmeldung erfolgt per E-Mail, diese ist unter https://www.mi.uni-koeln.de/wp-znikolic/kontakt/ zu finden.
Bitte melden Sie sich mit einer aussagekräftigen Bewerbung an, welche u. a. folgende Angaben enthalten soll:
- Ihre bisher besuchten (relevanten) Veranstaltungen,
- alle relevanten Praktika, Werkstudierdentätigkeiten, Seminararbeiten usw., welche mit dem Thema des Seminars zusammenhängen können,
- weshalb Sie sich für dieses Thema interessieren,
- ob Sie das Seminar im Rahmen des Versicherungsmoduls mit 3 Leistungspunkten oder als Seminar mit 6 Leistungspunkten belegen möchten,
- ggf. mit welchem anderen Teilnehmer Sie das zugewiesene Thema bearbeiten möchten,
- ggf. ob Sie ein ganz konkretes Thema aus dem Buch bearbeiten möchten.
Gerne können Sie Ihre Bewerbung um weitere Punkte ergänzen. Die Bewerbung soll vor allem glaubhaft vermitteln, dass Sie sich für das behandelte Thema interessieren und mehr darüber lernen möchten.
Literatur:
- Hastie, T., Tibshirani, R., Friedmann, J.: The Elements of Statistical Learning-Data Mining, Inference, and Prediction, Second Edition, Springer New York, NY (2009), https://doi.org/10.1007/978-0-387-84858-7 .
Übersicht der Vorträge:
| Name | Datum | Vortragsthema |
|---|---|---|
| Nikolić | 13.10.23 | Vorstellung Seminarprogramm, Klärung von Fragen |
| Tran, Kopp | 20.10.23 | Basics: Least-Squares and Nearest-Neighbors |
| Schwickert, Remez | 27.10.23 | Linear Methods |
| Heinrich, Thiel | 03.11.23 | Bias, Variance, AIC, BIC |
| Neugebauer, Nek | 10.11.23 | Basis Extension, Splines |
| Gerhard, Risse | 17.11.23 | Additive Models, Trees, MARS |
| Safaeizadeh | 24.11.23 | Bootstrapping, Bagging |
| Betz | 24.11.23 | Random Forests |
| Omarova, Krause | 01.12.23 | Boosting |
| Gerstein, Söllheim | 08.12.23 | Boosting Trees, Gradient Descent, Regularization |
| Hustadt, Lauer | 15.12.23 | Neural Networks |