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

040976 UK Classification, Clustering and Discrimination (2022S)

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: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Dienstag 01.03. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 08.03. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 15.03. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 22.03. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 29.03. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 05.04. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 26.04. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 03.05. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 10.05. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 17.05. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 24.05. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 31.05. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 14.06. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 21.06. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 28.06. 13:15 - 14:45 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Inhalt:
Classification: loss and risk, SVMs, kernel based methods
Clustering: spectral clustering methods
Discrimination: Linear and non-linear

Methode: Vorlesung mit Übungen, vor Ort so weit wie möglich. Ein Skriptum ist verfügbar aber die Vorlesung wird ständig weiterentwickelt und folgt nicht mehr streng dem Skriptum. Formal mathematische Vorgehensweise gemischt mit Datenbeispielen und Programmieraufgaben in den Übungen.

Art der Leistungskontrolle und erlaubte Hilfsmittel

2 Übungsblätter und ein Endtermtest

Mindestanforderungen und Beurteilungsmaßstab

1. Übung: 20 Punkte
2. Übung: 20 Punkte
Endtermtest: 40 Punkte

P > 70: 1
71 > P > 60: 2
61 > P > 50: 3
51 > P > 40: 4
41 > P: 5

Prüfungsstoff

Inhalte der Vorlesung und der Übungsblätter

Literatur

- Steinwart, Christmann (2008): ``Support Vector Machines'', Springer.
- Luxburg, U. (2007): ``A Tutorial on Spectral Clustering '', Statistics and Computing 17, 395--416.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Do 03.03.2022 16:08