skip to content

Vorlesung und Übungen "Algorithmische Datenanalyse"

Dozent: Prof. Dr. Christian Sohler

Mo 14-15:30 Uhr im HS II, Physikalische Institute
Mi 14-15:30 Uhr im HS II, Physikalische Institute

Beginn: Montag, 07.10.2019

Inhalte

In dieser Vorlesung lernen die Studierenden grundlegende Algorithmen zur Datenanalyse kennen. Beispielsweise können folgende Verfahren betrachtet werden:

Überwachtes Lernen:
• Entscheidungsbäume, Boosting, Random Forests
• Nächste-Nachbar-Klassifikation und geeignete Datenstrukturen
• Neuronale Netze und der Perzeptron Algorithmus
• Stützvektormethode
• Regressionsverfahren

Unüberwachtes Lernen:
• Approximationsalgorithmen für k-Center, k-Median und k-Means Clustering
• Spektrales Clustering
• Hauptkomponentenanalyse

Dimensionsreduktion:
• Zufällige Lineare Projektionen
• Nicht lineare Dimensionsreduktion

Algorithmische Techniken zur Verarbeitung sehr großer Datenmengen:
• Kernmengen
• Datenstromalgorithmen (Frequency Moments, Heavy Hitters, Clustering)

Die vorgestellten Verfahren werden im Hinblick auf ihre Korrektheit und Laufzeit analysiert.

ILIAS-Kurs

Das Vorlesungsmaterial wird im zugehörigen ILIAS-Kurs zur Verfügung gestellt.

Übungen zu "Algorithmische Datenanalyse"

In den Übungen zur Vorlesung "Algorithmische Datenanalyse" wird der Vorlesungsstoff vertieft. Schriftliche Übungsaufgaben werden unter Anleitung eines Tutors besprochen.

Übungsgruppen:

  • Mo, 12-13:30 Uh, Alte Botanik / XXXI
  • Di, 10-11:30 Uhr, Alte Botanik / XXXI
  • Mi, 16-17:30 Uhr, Alte Botanik / XXXI
  • Do, 16-17:30 Uhr, Alte Botanik / XXXI

Klausur

  • Hauptklausur: Di 11.02.2020 von 13:00 - 16:00 Uhr in P I
  • Nachklausur: Fällt aus aufgrund von Präventivmaßnahmen gegen COVID-19