703644 VO Probabilistische Modelle und Inferenz

Wintersemester 2020/2021 | Stand: 25.08.2020 LV auf Merkliste setzen
703644
VO Probabilistische Modelle und Inferenz
VO 1
2
wöch.
jährlich
Englisch
Probabilistische Modelle und maschinelles Lernen werden in einer Vielzahl von Anwendungen eingesetzt. Dieser Kurs stellt einige solcher Anwendungen vor, beispielsweise aus der Computer Vision, Robotik und künstlichen Intelligenz, und führt bewährte, vielseitig einsetzbare Methoden der probabilistischen Modellierung und maschinellen Lernens ein, die ihnen zugrunde liegen. Absolventinnen und Absolventen sind in der Lage, diese und ähnliche Methoden zu verstehen und fachgerecht anzuwenden.
Mögliche Beispielanwendungen sind Objektverfolgung in Video, strukturierte, probabilistische Objekterkennung, Simultaneous Localization and Mapping (SLAM), Empfehlungssysteme, motorisches Lernen in der Robotik, Analyse natürlicher Sprache. Beispielmethoden sind Kalman Filter, Partikelfilter, teilweise observierbare Markov-Modelle (POMDP), versteckte Markov-Modelle (HMM), Policy-Search Reinforcement Learning, inverses Reinforcement Learning.
Motiviert durch praktische Anwendungen vermittelt die Vorlesung theoretisches Wissen, das im Rahmen des zugehörigen Proseminars in mündlichen und schriftlichen Übungen sowie Programmierprojekten zur Anwendung gebracht und vertieft wird.
Mündliche Prüfung
Siehe Link.

Die Lehrveranstaltung ist als VO+PS konzipiert. Es wird davon ausgegangen, dass alle Teilnehmer an beiden Teilen der Lehrveranstaltung teilnehmen. Teile dieser Lehrveranstaltung bauen auf Konzepten auf, wie sie in der Lehrveranstaltung Fortgeschrittenes maschinelles Lernen (703642) vermittelt wurden.

Zum Wahlmodul Maschinelles Lernen gehören die Lehrveranstaltungen Fortgeschrittenes Maschinelles Lernen VO+PS, die im WS 2014/2015 angeboten wurden!

siehe Termine
Gruppe 0
Datum Uhrzeit Ort
Do 08.10.2020
08.15 - 09.00 eLecture - online eLecture - online
Do 15.10.2020
08.15 - 09.00 eLecture - online eLecture - online
Do 22.10.2020
08.15 - 09.00 eLecture - online eLecture - online
Do 29.10.2020
08.15 - 09.00 eLecture - online eLecture - online
Do 05.11.2020
08.15 - 09.00 eLecture - online eLecture - online
Do 12.11.2020
08.15 - 09.00 eLecture - online eLecture - online
Do 19.11.2020
08.15 - 09.00 eLecture - online eLecture - online
Do 26.11.2020
08.15 - 09.00 eLecture - online eLecture - online
Do 03.12.2020
08.15 - 09.00 eLecture - online eLecture - online
Do 10.12.2020
08.15 - 09.00 eLecture - online eLecture - online
Do 17.12.2020
08.15 - 09.00 eLecture - online eLecture - online
Do 07.01.2021
08.15 - 09.00 eLecture - online eLecture - online
Do 14.01.2021
08.15 - 09.00 eLecture - online eLecture - online
Do 21.01.2021
08.15 - 09.00 eLecture - online eLecture - online
Do 28.01.2021
08.15 - 09.00 eLecture - online eLecture - online