• Keine Ergebnisse gefunden

Proseminar „Maschinelles Lernen“ 040604 Prof. Katharina Morik

N/A
N/A
Protected

Academic year: 2022

Aktie "Proseminar „Maschinelles Lernen“ 040604 Prof. Katharina Morik"

Copied!
1
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Proseminar „Maschinelles Lernen“ 040604

Prof. Katharina Morik

Sommersemester 2018

Präsentationen

15 Minuten Vortrag zu dem ausgewählten Artikel

Ausarbeitungen

Die Ausarbeitung ist so lang wie nötig, um verständlich den Inhalt des ausgewählten Artikels wiederzugeben und in Bezug zu anderen Arbeiten zu setzen. Meist muss man, um den Artikel zu verstehen, viele andere Artikel oder Kapitel von Lehrbüchern lesen. Die dort gefundenen

Definitionen, Aussagen, Herleitungen werden dann auch in der Referat aufgenommen.

 Jeder Fachbegriff wird vor seiner Verwendung definiert.

 <Begriff> ist ein <Oberbegriff> mit <Spezialisierung>+

 Vielleicht gibt es verschiedene Definitionen bei verschiedenen Autoren – angeben und zitieren!

 Man kann ruhig die eigene Notation nehmen, um alle Ansätze mit derselben Notation zu beschreiben.

 Von der Sache her argumentieren und dann zitieren, nicht unbedingt die Autoren als Subjekt des Satzes nehmen.

Nicht:

 “Plump findet das globale Optimum [6].”

Sondern:

 “Ansatz X findet das globale Optimum [6].”

[6] Plump, A. “Die einfache Lösung”, dPress 2016

Gliederung

1. Einleitung

 Problem

 Wichtigkeit

 Warum geht es nicht einfach?

 Bisherige Ansätze und ihre Nachteile

 Baseline

 Präzises Problem, das jetzt behandelt wird mit Gütekriterium 2. Daten

 Rohdaten

 Vorverarbeitung

 Stichproben 3. Lösung

 Idee

 Algorithmus 4. Experimente

 Gütevergleich mit baseline,

 Einzelne Parameter o.ä. In ihrer Wirkung 5. Eigene Wertung

Referenzen

ÄHNLICHE DOKUMENTE

LS 8 Künstliche Intelligenz Fakultät für Informatik Technische Universität Dortmund.. Lernaufgabe Cluster-Analyse K-Means

• Jedes Example entspricht einer Zeile, also einem Beispiel unserer Daten. • ExampleSet kann man sich vorstellen als (N

Fakultät Informatik Lehrstuhl für Künstliche Intelligenz.. Maschinelles Lernen

LS 8 Künstliche Intelligenz Fakultät für Informatik Technische Universität

Sie haben theoretisch lineare Modelle für Klassifikation und Regression kennengelernt. Sie kennen das Optimierungsproblem der kleinsten Quadrate RSS für lineare Modelle

LS 8 Künstliche Intelligenz Fakultät für Informatik Technische Universität

LS 8 Künstliche Intelligenz Fakultät für Informatik Technische Universität

LS 8 Künstliche Intelligenz Fakultät für Informatik Technische Universität Dortmund.. Lösung des Optimierungsproblems mit SMO Kernfunktionen Bias und Varianz bei