Auf dieser Seite werden die Übungsblätter und Vorlesungsfolien zur Verfügung gestellt. Außerdem finden sich hier Informationen zur Nutzung des Lehre-Plugins für RapidMiner.
22.10.2013: Ergänzung auf der Software-Seite, um einige bekannte Probleme mit RapidMiner und dem Lehre-Plugin zu beheben.
29.10.2013: Für den aktuellen Übungszettel kann es sich lohnen, die Klasse PseudoClassification
anzuschauen, da dort einige Grundprinzpien bezüglich RapidMiner als Beispielcode vorliegen, z.B. wie man über ein ExampleSet iteriert oder das Label-Attribut ausließt.
12.11.2013: Neues Abgabesystem ist jetzt verfügbar, bitte beachten Sie den Abschnitt "Abgabe der Übungsaufgaben".
19.11.2013: Für Blatt 5 benötigen Sie die Series Extension von RapidMiner. Gehen sie dazu in RapidMiner unter "Help" auf "Marketplace" und suchen und installieren Sie dort die "Series Extension".
09.01.2014: Die Übung heute fällt krankheitsbedingt leider aus!
23.01.2014: Eine Einführung zu Conditinal Random Fields, aus dem Uninetz einsehbar. (Danke an Christian für den Hinweis)
Die Übung findet Donnerstags im Raum 104 der OH 14 statt, von 14:15 bis 16:00 Uhr.
Informationen zur Installation und Nutzung von RapidMiner bzw. des Lehre-Plugins finden sich auf dieser Seite
https://www-ai.cs.tu-dortmund.de/svn2/mlv_abgabe_1314/vorname_nachname
bereit. Bitte laden Sie dort im jar-Ordner die jeweils aktuellste Version ihres Plugins hoch, und legen Sie im Blaetter-Ordner für das jeweilige Übungsblatt einen Ordner an, in dem Sie ihre Texte und/oder geänderten Soure-Code Files hochladen können. Falls sie noch keine Mail mit Informationen zu Ihrem Account bekommen haben, schreiben sie bitte eine Mail an Jan Czogalla oder Daniel Smit.
Die nachfolgende Liste der Vorlesungsfolien wird fortlaufend aktualisiert. Die Auflistung garantiert keine Vollständigkeit und ist nicht als Grundlage für Prüfungsvorbereitungen, sondern lediglich als Erinnerung/Überblick zu verstehen.
Datum | Themen | Folien |
---|---|---|
15.10.2013 | Einführung | 1 - MLV Intro | 22.10.2013 | k Nearest Neighbours | 2 - kNN |
29.10.2013 | Bias, Varianz | 3 - Bias und Varianz |
05.11.2013 | SVM, Maximum Margin | 4.1 - Einführung zur SVM |
12.11.2013 | weiche SVM, Kernfunktionen | 4.2 - SVM: Kernfunktionen, Regularisierung |
26.11.2013 | SMO, MEB | 4.4 - SVM: Optimierungsproblem und Minimum Enclosing Ball |
03.12.2013 | Webmining, Textklassifikation | 4.3 - SVM: Webmining und Textklassifikation |
17.12.2013 | SVM Struct, Primales/duales Problem | 5.1 - SVM Struct |
07.01.2014 | Graphische Modelle, CRF | 5.2 - Conditional Random Fields |
14.01.2014 | Additive Modelle, Baumlerner | 6 - Additive Modelle |
28.01.2014 | Cluster Analyse, kMeans, Hierarchisches Clustering | 7 - Cluster Analyse |
28.01.2014 | Cluster Ensembles, Subspace Clustering, Distributed Clustering | 7 - Clustering |
28.01.2014 | Clustering verteilter Daten, LACE, Musik als Daten | 8 - LACE |
04.02.2014 | Subgruppenentdeckung, Sampling, Knowledge Based Sampling | 9 - Subgruppenentdeckung |
Zurück zur Vorlesungsseite