[ Teaching ]


Vorlesung Statistische Lerntheorie (4 SWS, 5 ECTS)


Sommer 2017, Prof. Dr. Volker Blanz, Dipl.-Inf. Davoud Shahlaei

Vorlesung 2017: Donnerstags, 16:00 - 17:30h, Raum H-C-7325

Übung: Mittwochs, 12:15 - 13:45h, Raum H-C 6336

Achtung: auch am Mi, 12.7.2017 fällt die Übung aus.



Materialien zur Vorlesung finden Sie hier (Zugang nur mit Passwort).

Die Teilnehmer werden in die Lage versetzt, die Methoden der statistischen Lerntheorie selbstständig auf praktische Probleme anzuwenden. Die Kenntnis dieser Verfahren ist in der Computer Vision heute unabdingbar. Durch die Vielseitigkeit der Lerntheorie, die auch in vielen anderen Disziplinen (Bioinformatik, Medizin, Wirtschaft) Anwendung findet, trägt die Veranstaltung zu einer breit gefächerten Berufsqualifikation bei.

- Statistische Grundlagen

- Schätzung von Wahrscheinlichkeitsdichten

- Klassifikation

- Regression

- Induktionsproblem

- Risiko- und Verlustfunktionen

- Regularisierung

- VC-Dimension

- Support Vektor Maschinen

- Nichtüberwachtes Lernen

- Kernel-PCA

- Lokale Beschreibungsmethoden

 

Literaturangaben:

  V. Vapnik, The Nature of Statistical Learning Theory, Springer 1999

  Duda, Hart, Stork: Pattern Clasification, 2ed., Wiley 2001

  B. Schölkopf, A. J. Smola, Learning with Kernels, MIT Press, 2002.





top

© Sascha Nesch 2009