Vorlesung und Übungen "Algorithmische Datenanalyse"
Dozent: Prof. Dr. Christian Sohler
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 analysiertt.