Designing Experiments for Machine Learning Tasks
Kursbeschreibung
| Studiengang | Modulkürzel | Leistungs- bewertung |
|---|---|---|
| BA-2010[100%|75%] | CS-CL | 6 LP |
| BA-2010[50%] | BS-CL | 6 LP |
| BA-2010[25%] | BS-AC | 4 LP |
| Dozenten/-innen | Éva Mújdricza-Maydt |
| Veranstaltungsart | Proseminar |
| Erster Termin | 26.10.2016 |
| Zeit und Ort | Mi, 16:15–17:45, INF 327 / SR 3 (SR) |
| Commitment-Frist | tbd. |
Teilnahmevoraussetzungen
Programmierkenntnisse
Leistungsnachweis
- Regelmäßige und aktive Teilnahme
- Übungsaufgaben (in den Sitzungen)
- Gruppenprojekt (Gruppengröße: 2-4 Personen)
Inhalt
Die Veranstaltung dient dazu, praktische Erfahrungen in der Anwendung einfacher Verfahren des maschinellen Lernens zu erwerben. Theoretische Vorkenntnisse im Bereich des maschinellen Lernens sind hilfreich, aber keine Voraussetzung. Im ersten Teil der Veranstaltung werden zwei grundlegende Lernverfahren behandelt: Entscheidungsbäume und den Naive Bayes Algorithmus. Im zweiten Teil werden wir über die Organisation eines Experiments sprechen. Wir werden die Data-Mining-Software WEKA kennenlernen, um diese zwei Algorithmen praktisch anzuwenden. Hierfür werden praktische Aufgaben aus einem Anwendungsfeld der Computerlinguistik in Gruppenarbeit zu lösen sein.
Kursübersicht
Seminarplan
Literatur
- Tom Mitchell: Machine Learning . McGraw-Hill, 1997.
- Ian H. Witten - Eibe Frank - Mark A. Hall. Data Mining . Morgan Kaufman, 2011 (3. Aufl.).
- Chris Manning and Hinrich Schütze. Foundations of Statistical Natural Language Processing . MIT Press, 1999.
