Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

040649 UK Machine Learning (2016W)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 30 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Mittwoch 05.10. 16:45 - 18:15 Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Mittwoch 12.10. 16:45 - 18:15 Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Mittwoch 19.10. 16:45 - 18:15 Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Mittwoch 09.11. 16:45 - 18:15 Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Mittwoch 16.11. 16:45 - 18:15 Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Mittwoch 23.11. 16:45 - 18:15 Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Mittwoch 30.11. 16:45 - 18:15 Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Mittwoch 07.12. 16:45 - 18:15 Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Mittwoch 14.12. 16:45 - 18:15 Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Mittwoch 11.01. 16:45 - 18:15 Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Mittwoch 18.01. 16:45 - 18:15 Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Mittwoch 25.01. 16:45 - 18:15 Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Freitag 03.03. 16:45 - 19:00 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

This course is about methods and algorithms for an automatic search

for patterns in electronically stored data. Useful patterns allows

us to make non-trivial predictions of new data. Try to derive your

own understanding of machine learning by using the following

definition: "Things learn when they change they behavior that makes

them perform better in the future" [1].

Art der Leistungskontrolle und erlaubte Hilfsmittel

Mindestanforderungen und Beurteilungsmaßstab

The course will introduce practical machine learning tools and techniques with applications to data mining using commercial, scientific, and web data sets. Topics to be covered include:
- Data preparation
- Evaluation, Model Selection
- Instance Based Learning
- Decision Trees
- Random Forests
- Naive Bayes
- Bayesian Networks
- Ensemble learning

Prüfungsstoff

Literatur

[1] Data Mining: Practical Machine Learning Tools and Techniques
(Third Edition, 2011), Ian H. Witten, Eibe Frank, Mark A. Hall
http://www.cs.waikato.ac.nz/~ml/weka/book.html

[2] Introduction to Machine Learning
Ethem Alpaydin
The MIT Press, October 2004, ISBN 0-262-01211-1

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 07.09.2020 15:29