Beschreibung des Bildes Beschreibung des Bildes
Für Browser ohne JavaScript finden Sie hier eine Liste der Quick Links
Home » Design1, Variante1
Schütte
Fischer

 
 
19234

Seminar Maschinelles Lernen mit Markov-Ketten

Do 16-18, Takustr. 9 (Informatik), Raum 055
 
Sprechstunde:Nach Vereinbarung über email: afischer@math.fu-berlin.de
Inhalt: Eine Markov-Kette ist ein stochastischer Prozess, der aufgrund seiner einfachen Struktur Eingang in zahlreiche Modelle gefunden hat, die unter dem Begriff ``Probabilistisches Maschinelles Lernen'' zusammengefasst werden. Wir werden uns zu Beginn des Seminars die mathematischen Grundlagen über Markov-Ketten und den darauf aufbauenden Monte-Carlo-Verfahren (Gibbs- und Metropolis-Hastings-Sampler) erarbeiten und uns mit der Frage auseinandersetzen, was unter maschinellem Lernen überhaupt zu verstehen ist. Darauf aufbauend betrachten wir je nach Neigungen und Vorkenntnissen der Seminarteilnehmer/innen verschiedene Anwendungsklassen wie z.B. Simulated-Annealing für Boltzmann-Maschinen, Bayessche Netzwerke in der Statistik oder auch die in der Bioinformatik und Linguistik sehr aktuellen Hidden-Markov-Modelle. Dabei wollen wir neben Modellierung und algorithmischer Beschreibung herausstellen, welche mathematischen Eigenschaften der Markov-Kette in die jeweiligen Modelle eingehen. Bei Interesse können diese Modelle mit illustrativen Beispielen am Rechner simuliert werden.
Zielgruppe: Studierende der Mathematik und (Bio-)Informatik sowie verwandter Fächer ab dem 5. Semester.
Voraussetzungen
Zielgruppe:
Elementare Wahrscheinlichkeitstheorie und Statistik (Stochastik I); Vertrautheit im algorithmischen Denken und Grundkenntnisse über Markov-Ketten sind empfehlenswert.
Perspektiven: Ergänzende Seminare im Grenzbereich von Stochastik und Numerik mit Möglichkeit zur Abschlussarbeit in verschiedene Richtungen.

News

Titel der Neuigkeit

Kurze Zusammenfassung
Datumsangabe
© 2007 Freie Universität Berlin Feedback | 05.01.2012