Zusammenfassung einzelner Themen der Vorlesung Maschinelles Lernen und Data Mining (Sommersemester 2004) bei Prof. Tobias Scheffer, sowie die Probeklausur mit Lösungen
In der Probeklausur werden Aufgaben zu den Themen Naive-Bayes Klassifikator, ID3, C4.5, Perceptron, BIRCH, SLIQ, SPRINT, GDBSCAN, ML-Schätzer und Reinforcement-Lernen gelöst.
Dateien
- Probeklausur mit Lösungen (PDF-Dokument, 11 Seiten, 207 KB)
- Zusammenfassung: Assoziationsregeln (PDF-Dokument, 5 Seiten, 101 KB)
- Zusammenfassung: Instanzbasiertes Lernen und Regression (PDF-Dokument, 5 Seiten, 177 KB)
- Zusammenfassung: Reinforcement-Lernen (PDF-Dokument, 6 Seiten, 204 KB)
- Zusammenfassung: Version Spaces (PDF-Dokument, 7 Seiten, 183 KB)
Prüfungsfragen und Antworten zum Halbkurs Einführung in die künstliche Intelligenz (Wintersemester 2003/2004) bei Professor Hans-Dieter Burkhard
Im Mittelpunkt der Prüfungsfragen stehen die Themen Suchverfahren, Constraints, Wissensrepräsentation, Planen und nichtmonotones Schließen.
Dateien
Zusammenfassungen des Halbkurses “Moderne Methoden der künstlichen Intelligenz” (Sommersemester 2003) bei Professor Hans-Dieter Burkhard und Dr. Hans-Michael Voigt zur Prüfungsvorbereitung
Im Mittelpunkt stehen die Themen Lernsysteme, Konzept-Lernen, Entscheidungsbäume, Agenten, Multi-Agenten-Systeme (MAS), Fallbasiertes Schließen (CBR), Reinforcement-Lernen, Modale Logik, Support-Vektor-Maschinen (SVM), Bayes’sche Netze, selbstorganisierende neuronale Netze (TACOMA-Algorithmus) und evolutionäre Algorithmen.
Dateien
letzte Kommentare