08 Wahrscheinlichkeitsbasiertes Lernen - Prof. Dr. Kai-Uwe Schnapp - University of Hamburg
- Lecture2Go
- Catalog
- Sonstige Einrichtungen der UHH
- ISA-Zentrum
- Datenwelten I: Einführung in Data Science
Catalog
1467 Views
02.12.2024
08 Wahrscheinlichkeitsbasiertes Lernen
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
---
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
Technical support
Please click on the link bellow and then fill out the required fields to contact our Support Team!
RRZ Support Link