* Stark und schwach korrelierte Daten (Big Data?) * Frage nach den Modellen * Rauschen
+ Sensornetzwerke + Labormessungen + Zerstörungsfreie Prüfverfahren - Art der Messdaten + Struktur- und Lastüberwachung (SHM) + Datenvorverarbeitung (Merkmalsselektion) + Principle Component Analysis (PCA) + Statistische Datenanalyse
+ Der Funktionale Ansatz: Das Black-Box Modell + Überwachtes Lernen - Der Experte ist gefragt! + Nichtüberwachtes Lernen, Clustering - Ich sehe etwas was Du nicht siehst? + Rückgekoppeltes Lernen - Belohnungen führen zum Ziel! + Inkrementelles Lernen - Lernen auf Datenströmen ist ein Problem? + Agentenbasiertes und verteiltes Lernen - Nicht hier, sondern überall!
+ Entscheidungsbäume (C45, ID3, ICE), Random Forest Bäume, Regressionsbäume - Einfach aber gut? + Support Vector Machines (binäre und multi-Klassen) - Der Klassiker! + Künstliche Neuronale Netze (Ein- und mehrlagig) - Warum kein Deep Learning? + Klassifikations- und Regressionsverfahren + Iterative, randomisierte, und evolutionäre Lernalgorithmen - Deterministische Modelle?
+ Merkmalsextraktion - Information aus Daten
+ Ablaufdiagramme - Arbeitsvorschrift!
+ Testmethoden
+ Probleme
+ Überanpassung
+ Zu viel oder zu wenige Daten?
+ Qualität der Daten, Einfluss von Rauschen auf Lernen und Prädiktion
6. Anwendungen, Demonstrationen, Beispiele, Laborübungen (integriert in 2-5)
Hier adminstrative Fragen zu der Veranstaltung stellen!
Besucher Heute: 1 - Gestern: 1 - Alle: 1172