TU Wien:Machine Learning VU (Mayer, Musliu)

Aus VoWi
Zur Navigation springen Zur Suche springen
Ähnlich benannte LVAs (Materialien):

Daten[Bearbeiten]

Vortragende Musliu, Nysret, Mayer, Rudolf
ECTS 4,5
Abteilung Forschungsbereich Databases and Artificial Intelligence
Sprache English
Links tiss:184702
Zuordnungen
Master Data Science Pflichtmodul MLS/FD - Machine Learning and Statistics - Foundations
Master Logic and Computation Wahlmodul Knowledge Representation and Artificial Intelligence
E066933 Wahlmodul Knowledge Engineering
Master Software Engineering & Internet Computing Wahlmodul Algorithmik

Mattermost: Channel "machine-learning" Team invite & account creation link Mattermost-Infos

Inhalt[Bearbeiten]

kNN, decision trees, bayesian networks, random forests, SVM, WEKA API

Ablauf[Bearbeiten]

2 Übungsaufgaben in 3er Gruppen: kleinere Beispiele in WEKA Programmieren

Schriftliche Prüfung am Ende

WS 2015: drei Übungsaufgaben; (1) Regression an selbstgewählten Datensets mit verschiedenen Regressions-Algorithmen, (2) das gleiche mit Klassifikation, (3) Implementierung eines einfachen Szenarios mit der Weka API (z.B. Finde optimales k für kNN, automatische Model Selection, ...).

WS18/19: 3 Aufgaben, Regression, Klassifikation. Für das 3. gabs ein paar Optionen zur Auswahl, z.B. Neuronale Netze, u.A. auch CNN (deep learning) für Klassifikation von Bildern.

Benötigte/Empfehlenswerte Vorkenntnisse[Bearbeiten]

In Java sollte man sattelfest sein.

Grundsätzlich sollte man selbstständig Daten visualisieren und präsentieren können.

WS18/19: Man konnte die Sprachen in denen man was programmiert im Grunde frei wählen. R und/oder Python Kenntnisse sind z.B. recht hilfreich.

Vortrag[Bearbeiten]

in Englisch

Mayer, Rudolf: guter Vortrag mit vielen Beispielen, trotzdem recht langweilig und oberflächlich

Musliu, Nysret: schlechter Vortragsstil, eher einschläfernd, hat keine eigenen Folien

Übungen[Bearbeiten]

Mit einer guten Gruppe leicht schaffbar, je nach dem welches Thema man wählt

Die Punktevergabe (besonders beim zweiten Bsp.) war allerdings nicht wirklich nachvollziehbar. Man hat im TUWEL seine Punkte eingetragen bekommen und das wars. Allgemein hab ich das Gefühl eine ansprechende Dokumentation ist ihnen wichtiger als die Arbeit selbst.

Prüfung, Benotung[Bearbeiten]

noch offen

Dauer der Zeugnisausstellung[Bearbeiten]

WS10: etwas mehr als 5 Wochen
SS13: Prüfung 26.06., Zeugnis 29.07.

Benotung der Übungen[Bearbeiten]

WS18: Hat für jede Übung durchschnittlich 2 Monate gebraucht

Zeitaufwand[Bearbeiten]

noch offen

Unterlagen[Bearbeiten]

Folien im TUWEL

imho sehr gute Erklärung der Classifiers unter:

http://chem-eng.utoronto.ca/~datamining/dmc/data_mining_map.htm

Und zusätzliche Vorlesungen:

https://class.coursera.org/ml-003/lecture

Tipps[Bearbeiten]

noch offen

Verbesserungsvorschläge / Kritik[Bearbeiten]

noch offen

Wikipedia-Links[Bearbeiten]