Beim Bayesianischen Lernen geht es darum, ausgehend von einer sehr großen Anzahl von features Objekte einer sehr begrenzten Anzahl von Klassen zuzuordnen. Die Erkennung von Spam z.B., kann als bayesianisches Lernen erfolgen. Die features sind dann die in E-Mails oder SMS verwendeten Worte, die Klassifizierung ermittelt, ob eine Nachricht (wahrscheinlich) Spam ist, oder nicht. Die Vorlesung erläutert an Beispielen, wie das bayesianische Lernen funktioniert.
---
Die Vorlesung führt in informationstechnische und statistische Grundlagen der Data Science ein. Sie ist Teil eines zweisemestrigen Zyklus zu "Datenwelten". Im Sommersemester folgt eine zweite Vorlesung, die sich Datenethik, Datenrecht und erkenntnistheoretischen Reflektionen auf eine "verdatete" Welt befassen wird.
Beide Vorlesungen werden von interdisziplinär zusammengesetzten Teams von Lehrenden gehalten, um unterschiedliche Perspektiven auf Data Science, unterschiedliche Fragestellungen und Problemsichten einzubringen und aufeinander zu beziehen.
Studierende entwickeln dabei ein Grundverständnis folgender Inhalte:
* Funktionsweise der informationstechnischen Systeme, die in weiten Teilen unseren Alltag (mit-)gestalten
* Das technische und soziale Zusammenspiel dieser Systeme bei der Erhebung, Aufbewahrung und Nutzung von Daten
* Einfache statistische Verfahren zur Datenanalyse
* Verfahren aus dem Bereich des maschinellen Lernens (Classification, Regression, Clustering)
* Elementare Einführung in Neuronale Netze und ihre Anwendungen in der Bild- und Sprachverarbeitung
Dieses Video darf in andere Webseiten eingebunden werden. Kopieren Sie dazu den Code zum Einbetten und fügen Sie diesen an der gewünschten Stelle in den HTML-Text einer Webseite ein. Geben Sie dabei bitte immer die Quelle an und verweisen Sie auf Lecture2Go!
Bitte klicken Sie auf den nachfolgenden Link und füllen Sie daraufhin die notwendigen Felder aus, um unser Support-Team zu kontaktieren!
Link zu der RRZ-Support-Seite
