Seminarinhalt
- Entwicklung von Machine Learning-Verfahren
- Historische Einleitung
- Einteilung der Methoden
- Supervised Learning / Überwachtes Lernen
- Theoretische Grundlagen
- SVM
- Entscheidungsbäume (Decision Trees)
- k-nearest Neighbor (KNN) Classifier
- Perceptron
- Neuronale Netze (Neural Networks)
- Anwendungsbeispiele
- Praktischer Teil
- Unsupervised Learning / Unüberwachtes Lernen
- Theoretische Grundlagen
- k-means
- Gaussian Mixture Models
- Hebbian Learning
- Anwendungsbeispiele
- Praktischer Teil