This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision | ||
ml [2020/11/04 18:26] admin [FB4: Maschinelles Lernen und Datenanalyse in der Mess- und Prüftechnik] |
ml [2021/10/19 08:28] (current) admin |
||
---|---|---|---|
Line 1: | Line 1: | ||
# Maschinelles Lernen und Datenanalyse | # Maschinelles Lernen und Datenanalyse | ||
- | > Tandemkurs für zwei Zielgruppen! | ||
+ | ## The Inner Space | ||
- | ## FB 4: Maschinelles Lernen und Datenanalyse in der Mess- und Prüftechnik | + | * [[ml:contact]] |
+ | * [[ml:faq]] | ||
+ | * [[ml:literatur]] | ||
+ | * [[ml:live]] | ||
+ | * [[ml:news]] | ||
+ | |||
+ | |||
+ | ## The Outer Space | ||
+ | |||
+ | * [edu-9.de](http://edu-9.de/Lehre/ml2k) | ||
+ | |||
+ | ## Live Streaming | ||
+ | |||
+ | - Vorlesung Live hier: [[ml:live]] | ||
+ | |||
+ | |||
+ | ## Fragen | ||
+ | |||
+ | |||
+ | - Fachliche Fragen zur Veranstaltung können hier gestellt werden: [[ml:faq]] | ||
+ | - Administrative Fragen können auf dieser Seite unten gestellt werden! | ||
+ | - Es gibt alternativ ein email Kontaktformular: [[ml:contact]] | ||
+ | |||
+ | ## Medien | ||
+ | |||
+ | - Alle Medien (Videos, Foliensätze, Tutorials und Übungen) finden sich prmär hier: [[http://edu-9.de/Lehre/ml2k]] | ||
+ | |||
+ | |||
+ | |||
+ | ## Maschinelles Lernen und Datenanalyse in der Mess- und Prüftechnik | ||
### Zielgruppen | ### Zielgruppen | ||
Line 31: | Line 60: | ||
+ Datenvorverarbeitung (Merkmalsselektion) | + Datenvorverarbeitung (Merkmalsselektion) | ||
+ Principle Component Analysis (PCA) | + Principle Component Analysis (PCA) | ||
+ | + Statistische Datenanalyse | ||
3. Grundlagen des Maschinellen Lernens (Metriken und Taxonomie) | 3. Grundlagen des Maschinellen Lernens (Metriken und Taxonomie) | ||
Line 43: | Line 73: | ||
4. Algorithmen und Modelle | 4. Algorithmen und Modelle | ||
- | + Entscheidungsbäume (C45, ID3, ICE), Random Forest Bäume - Einfach aber gut? | + | + Entscheidungsbäume (C45, ID3, ICE), Random Forest Bäume, Regressionsbäume - Einfach aber gut? |
+ Support Vector Machines (binäre und multi-Klassen) - Der Klassiker! | + Support Vector Machines (binäre und multi-Klassen) - Der Klassiker! | ||
+ Künstliche Neuronale Netze (Ein- und mehrlagig) - Warum kein Deep Learning? | + Künstliche Neuronale Netze (Ein- und mehrlagig) - Warum kein Deep Learning? | ||
- | + Regressionsverfahren | + | + Klassifikations- und Regressionsverfahren |
+ Iterative, randomisierte, und evolutionäre Lernalgorithmen - Deterministische Modelle? | + Iterative, randomisierte, und evolutionäre Lernalgorithmen - Deterministische Modelle? | ||
Line 63: | Line 93: | ||
### News | ### News | ||
- | - Neuigkeiten gibt es hier: [[ml:news4]] | + | - Neuigkeiten gibt es hier: [[ml:news]] |
- | |||
- | ## FB 8: Maschinelles Lernen und Datenanalyse in der Soziologie | ||
- | |||
- | ### Zielgruppen | ||
- | |||
- | - Soziologen | ||
- | - Psychologen | ||
- | - Wirtschaftsingenieure | ||
- | - Informatiker | ||
- | |||
- | |||
- | |||
- | ### Inhalte | ||
- | |||
- | |||
- | 1. Sensoren, Digitale Sensordaten, Big Data, Umfragen | ||
- | |||
- | + Stark und schwach korrelierte Daten (Big Data?) | ||
- | + Frage nach den Modellen | ||
- | + Der Mensch als Sensor und Datenlieferant | ||
- | + Daten aus Umfragen und Erhebungen (Soziologie, Medizin) | ||
- | + Rauschen | ||
- | |||
- | 2. Grundlagen der Sensordatenerfassung und Verarbeitung | ||
- | |||
- | + Umfragen, Crowd Sensing, (Mobile) Sensornetzwerke mit Smartphones | ||
- | + Datenvorverarbeitung (Merkmalsselektion) | ||
- | + Principle Component Analysis (PCA) | ||
- | |||
- | 3. Grundlagen des Maschinellen Lernens (Metriken und Taxonomie) | ||
- | |||
- | + 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! | ||
- | |||
- | 4. Algorithmen und Modelle | ||
- | |||
- | + Entscheidungsbäume (C45, ID3, ICE), Random Forest Bäume - Einfach aber gut? | ||
- | + Support Vector Machines (binäre und multi-Klassen) - Der Klassiker! | ||
- | + Künstliche Neuronale Netze (Ein- und mehrlagig) - Warum kein Deep Learning? | ||
- | + Regressionsverfahren | ||
- | + Iterative, randomisierte, und evolutionäre Lernalgorithmen - Deterministische Modelle? | ||
- | |||
- | 5. Training, Lernen, Prädiktion, Test | ||
- | |||
- | + 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) | ||
- | |||
- | ### News | ||
- | |||
- | - Neuigkeiten gibt es hier: [[ml:news8]] | ||
Line 131: | Line 100: | ||
~~DISCUSSION|Diskussion und Fragen~~ | ~~DISCUSSION|Diskussion und Fragen~~ | ||
+ | |||
+ | > Hier adminstrative Fragen zu der Veranstaltung stellen! | ||
**Besucher** Heute: {{counter|today}} - Gestern: {{counter|yesterday}} - Alle: {{counter|total}} | **Besucher** Heute: {{counter|today}} - Gestern: {{counter|yesterday}} - Alle: {{counter|total}} | ||