TU Wien:Einführung in die Mustererkennung VO (Artner)
Zur Navigation springen
Zur Suche springen
Ähnlich benannte LVAs (Materialien):
- Einführung in die Mustererkennung UE (Hladuvka) (TU Wien, 0 Materialien)
- Einführung in die Mustererkennung VO (Hladuvka) (TU Wien, 10 Materialien)
- Einführung in die Mustererkennung UE (Artner) (TU Wien, veraltet, 0 Materialien)
- Einführung in die Mustererkennung UE (Haxhimusa) (TU Wien, veraltet, 0 Materialien)
- Einführung in die Mustererkennung VO (Artner) (TU Wien, veraltet, 12 Materialien)
- Einführung in die Mustererkennung VO (Haxhimusa) (TU Wien, veraltet, 25 Materialien)
Diese LVA wird nicht mehr von dieser Person angeboten, ist ausgelaufen, oder läuft aus und befindet sich daher nur noch zu historischen Zwecken im VoWi.
Daten[Bearbeiten | Quelltext bearbeiten]
Diese LVA wird nicht mehr von dieser Person angeboten, ist ausgelaufen, oder läuft aus und befindet sich daher nur noch zu historischen Zwecken im VoWi.
Vortragende | Nicole Artner• Jiri Hladuvka |
---|---|
ECTS | 3 |
Alias | Introduction to Pattern Recognition (en) |
Letzte Abhaltung | 2020W |
Sprache | Deutsch |
Mattermost | einfuehrung-in-die-mustererkennung • Register • Mattermost-Infos |
Links | tiss:186844, eLearning, Homepage |
Bachelorstudium Medieninformatik und Visual Computing | |
Bachelorstudium Medizinische Informatik | |
Bachelorstudium Technische Informatik | |
Masterstudium Biomedical Engineering |
Inhalt[Bearbeiten | Quelltext bearbeiten]
Inhalt:
- Statistische Grundlagen (diskrete, stetige Zufallsvariablen, Mittelwerte, Varianz, Kovarianz, Eigenwerte, Eigenvektoren, Normalverteilung, Bayes-Theorem, Schätzungen)
- Merkmale (Merkmalsselektion, Merkmalsreduktion)
- Perceptron
- Neuronale Netze
- Entscheidungsbäume
- Clustering
- Evaluierung (Methoden zur Evaluierung von ME-Systemen)
- Markov Modelle
Ablauf[Bearbeiten | Quelltext bearbeiten]
10 Vorlesungseinheiten und abschließende Prüfung
Benötigte/Empfehlenswerte Vorkenntnisse[Bearbeiten | Quelltext bearbeiten]
Keine. Es schadet nicht, wenn man eventuell statistische Grundlagen beherrscht, es wird aber in der VO nochmal erklärt.
Vortrag[Bearbeiten | Quelltext bearbeiten]
Gut. Vortragende ist sehr bemüht den Stoff verständlich zu vermitteln.
Prüfung, Benotung[Bearbeiten | Quelltext bearbeiten]
Prüfung ist sehr praktisch und auf Verständnis ausgelegt. Beispiele in den Folien gut anschauen und verstehen.
Bei der Prüfung im WS 2014 war auch ein "Schummler" erlaubt, den man am Tag vor der Prüfung im TUWEL raufladen musste und dann von der LVA-Leitung abgesegnet wurde. Besonders für Formeln und Algorithmen sehr nützlich.
Dauer der Zeugnisausstellung[Bearbeiten | Quelltext bearbeiten]
WS 2014: Prüfung am 29.01.15, Zeugnis am 17.02.15
WS 2016: Prüfung am 07.06.17, Zeugnis am 23.06.17
Zeitaufwand[Bearbeiten | Quelltext bearbeiten]
Mittel
Unterlagen[Bearbeiten | Quelltext bearbeiten]
noch offen
Tipps[Bearbeiten | Quelltext bearbeiten]
noch offen
Verbesserungsvorschläge / Kritik[Bearbeiten | Quelltext bearbeiten]
noch offen