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