View source for MU Wien:Neural Computation 1 VO/UE (Dorffner)

== Daten ==
* VortragendeR/LVA-LeiterIn: [http://www.ai.univie.ac.at/~georg/ Georg Dorffner]
* Semesterwochenstunden: VO: 2 / UE: 1
* HP der LVA: [http://www.ai.univie.ac.at/imkai/lv/ws/509.707.html http://www.ai.univie.ac.at/imkai/lv/ws/509.707.html]
* Institut: [http://www.ai.univie.ac.at/imkai/ IMKAI]
* Für die VO gilt:
** {{532C-V}}
** {{534-W}}
** {{932D}}
** {{936}}
* Für die UE gilt:
** {{532C-V}}
** {{534-W}}
** {{932D}}
** {{936}}

== Inhalt ==
*Grundlagen
*Neuronale Netze zur Klassifikation
*Neuronale Netze zur Regression
*Lernen als Optimierung
*Der praktische Umgang mit neuronalen Netzen
*Unüberwachtes Lernen
*Rekurrente Netze

== Ablauf ==
Die Vorlesung findet wöchentlich statt. Die Übung besteht aus 4-5 Übungen in Matlab und wird jeweils bis zu einer Deadline (wobei Prof. Dorffner da sehr kulant ist) abgegeben. Anwesenheitspflicht gibt es keine.

== Benötigte/Empfehlenswerte Vorkenntnisse ==
Wer Statistikgrundkenntnisse hat ist klar im Vorteil.

== Vortrag ==
Prof. Dorffner hat einen guten Vortragsstil, er bringt den Stoff grundsätzlich gut und verständlich rüber.

== Übungen ==
Die separaten Übungen bestehen aus der Abgabe von 4-5 Beispielen, welche (bis auf die erste) in Matlab zu programmieren sind. Jedes Beispiel zählt 100 Punkte, das vierte 200 weil es umfangreicher ist. Ein Beispiel kann weggelassen werden (nicht Beispiel 4) und man kann trotzdem noch die volle Punktezahl haben. Macht man 5 Beispiele kann man den Punktestand noch erhöhen. Die Beispiele haben folgende Themen:
*Herumspielen mit einem Perzeptron in einem Windowsprogramm
*Klassifikation von Daten mithilfe eines GLM und eines MLP
*Klassifikation und Regression mithilfe von GMMs und MLPs
*Vollständige Regression eines umfangreichen Immobilienwert-beispiels, bei dem man beginnend mit der Datensichtung alles wie bei echten Daten machen muss (umfangreichstes Beispiel)
*Unüberwachtes Lernen mit k-means und GMMs

== Prüfung ==
Die Prüfungsfragen sind eher auf Verständnis gestellt, laut Prof. Dorffner muss man keine Formel abgesehen vom Bayesschen Theorem kennen.

== Literatur ==
Keine Spezielle.

== Zeitaufwand ==
Jede Übung braucht gute 1-2 Tage, die vierte Übung meist mehr. Für die Vorlesungsprüfung sollte man bis zu einer Woche zum Lernen einplanen.

== hilfreiche Links ==
*[http://www.informatik-forum.at/showthread.php?p=292275#post292275 Prüfungsordner 3.2.2006 im Informatikforum]
*[http://www.informatik-forum.at/showpost.php?p=219606&postcount=9 Prüfungsordner 2005 im Informatikforum]
*[http://tigerente.htu.tuwien.ac.at/mitaub/groupworks/tiki-directory_browse.php?parent=178 NC1 Übungsfragenkatalog auf der MTB]

== Wo gibts Mitschriften, Skripten, Folien... ==
*[http://www.ai.univie.ac.at/%7Egeorg/lv/neuralcomp/materialien.html Folien der LVA]

== Tipps ==
*  Am Besten gleichzeitig [[Maschinelles Lernen und Data Mining VO/UE (Flexer, MU)]] besuchen, dadurch dass der Stoff sich stark überschneidet spart man sich nicht nur Arbeit, sondern versteht auch alles viel besser!


[[Kategorie:Medizin, Biologie, Physik und Chemie]]
[[Kategorie:Artificial Intelligence]]