7. Hypothesenbewertung

Risikoschätzung, Trainings- und Testfehler, Konfidenzintervalle. Folien vom 31.01.2011.

6. Lineare Klassifikatoren

Lineare Entscheidungsfunktionen, Rocchio, Fisher-Diskriminante, KNN, (Margin-) Perceptron, SVM, LogReg, Representer Theorem, Kernel-Verfahren, Multiklassen-SVM, Klassifikation mit Taxonomien, Strukturierte Ein- und Ausgabe (Wortarterkennung, NLP, Sequence Alignment), Cutting Plane Algorithmus, Stochastic Gradient Descend Ansatz, Semisupervised Learning. Folien.

5. Sequenzanalyse

Stochastische Prozesse: stationär, autoregressiv. Folien vom 06.12.2010.

4. Bayessches Lernen

Wahrscheinlichkeiten, Zufallsvariablen, Erwartungswerte, Varianzen. Bayessche Vorhersage, Bayesian Model Averaging. Parameterschätzungen für Wahrscheinlichkeitsverteilungen. Bayessche lineare Regression, naive Bayes. Folien vom 15.11.2010, Folien vom 22.11.2010. Folien vom 29.11.2010.

3. Entscheidungsbäume

Entscheidungsbäume zur Klassifikation & Regression mit binären und kontinuierlichen Merkmalen: Lernen aus Daten, Ableiten von Regeln, Entropie & Information Gain, ID3, C4.5, SLIQ, Modelbäume, Pruning, Lineare Regression, Bootstrapping. Folien.

2. Grundlagen

Lernen, Hypothesenräume, Version Spaces, Verlustfunktion, Regularisierer. Folien.

1. Einführung

Organisation, Überblick. Folien.