Diese anwendungsorientierte Veranstaltung ermöglicht den Studierenden erste praktische Erfahrungen mit Verfahren aus den Bereichen Maschinelles Lernen und Künstliche Intelligenz zu erlangen. Das Praktikum behandelt außerdem empirische Methoden zum Vergleich von Lernverfahren, um diese zu verstehen und ihre Unterschiede zu erkennen. Außerdem soll dem Teilnehmenden das Wissen vermittelt werden, unter welchen Bedingungen, welche Methode die geeignetere wäre.
Auf wöchentlicher Basis sollen lineare Modelle (Lineare Regression, Logistische Regression), Entscheidungsbäume, Prototyp-basierte Clustering- (k-Means) sowie Klassifikationsmethoden (k-Nearest Neighbor, Naïve Bayes classifier, Support Vector Machines) und link-basierte Ranking-Algorithmen (PageRank) implementiert werden.
In wöchentlichen Tutorials wird die Implementation der Algorithmen für Java und Matlab besprochen. |