20-00-0052-iv Data Mining und Maschinelles Lernen

Lehrende: Prof. Dr.-techn. Johannes Fürnkranz

Veranstaltungsart: Integrierte Veranstaltung

Orga-Einheit: FB20 Informatik

Anzeige im Stundenplan: DM und ML

Fach:

Anrechenbar für:

Semesterwochenstunden: 4

Unterrichtssprache: Deutsch

Min. | Max. Teilnehmerzahl: - | -

Lehrinhalte:
Lernziele:

• Szenario des Maschinellen Lernens kennen
  
• prinzipielle Verfahren und Methoden zur Modellbildung kennen
  
• prinzipielle Verfahren und Methoden zur Hypothesenevaluierung kennen
  

• Lernprobleme, Grundbegriffe
  
• Lernszenarios, prinzipieller Lernbarkeitsergebnisse
  
• Entscheidungsbaum-Lernen
  
• Hypothesenbewertungen
  
• Ensemble-Methoden
  
• Conceptual Clustering
  
• Lernen von Assoziationsregeln (APRIORI, JSM)
  
• Induktive Logik Programmierung
  
• Data Mining
  
• Pre-Processing
  

Literatur:

• Mitchell: Machine Learning, McGraw-Hill, 1997
• Ian H. Witten and Eibe Frank: Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations, Morgan-Kaufmann, 1999

Weitere Informationen:
Aktuelle Informationen unter http://www.ke.informatik.tu-darmstadt.de/lehre