8. Hypothesenevaluierung

Wiederholung: Risiko, -schätzer, Cross-Validation und Konfidenzintervalle, ROC-Analyse, Statistische Tests. Folien.

7. Bayes-Point-Machine

Bayes'sches Lernen, Billard-Algorithmus. Folien.

6. Hauptkomponentenanalyse

PCA, Kernel-PCA. Folien

5. Clusteranalyse

K-Means, Gauß'sche Mischmodelle, Expectation Maximization. Folien vom 16.06.2011.
Hierarchisches Clustern, Spectral Clustering. Folien vom 23.06.2011.
Eigenwertproblem. Folien vom 23.06.2011.

4. Hidden-Markov-Modelle

Likelihood einer Beobachtungssequenz, wahrscheinlichster Zustand gegeben Beobachtungssequenz, dynamische Programmierung: Viterbi- und Forward/Backward-Algorithmus, HM-SVM, CRF. Folien.

3. Graphische Modelle

Wiederholung Wahrscheinlichkeitstheorie. Gerichtete Graphische Modelle, bedingte Unabhängigkeit, D-Separation. Folien vom 12.05.2011. Graphische Modelle im Maschinellen Lernen. Exakte Inferenz auf linearer Kette. Folien vom 19.05.2011. Exakte Inferenz auf allgemeinen Graphstrukturen, approximate Inferenz mittels Sampling. Folien vom 19.05.2011.

2. Recommendation

Kollaborative Empfehlung, Matrix-Faktorisierung. Folien.

1. Reinforcement Learning

Markov Decision Processes, Bellman-Gleichungen, Temporal Differences Learning. Folien.
Monte-Carlo Sampling, Diskretisierung, Approximate Policy Iteration. Folien.

Einleitung

Organisation, Überblick. Folien.