09 k-means Clustering - Prof. Dr. Henning Lohmann - Universität Hamburg
- Lecture2Go
- Videokatalog
- Sonstige Einrichtungen der UHH
- ISA-Zentrum
- Datenwelten I: Einführung in Data Science
Videokatalog
1288 Aufrufe
09.12.2024
09 k-means Clustering
K-means clustering ist ein weitverbreitetes Verfahren des unsupervised learning. Es zielt auf die Frage „Welche Muster sind in meinen Daten verborgen?“ Neben dem partionierenden k-means Clustering wird ausblickend kurz auch auf hierarchische und dichtebasierte Verfahren eingegangen.
---
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
---
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
Technischer Support
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