MUSTERERKENNUNG. Meine Lehrveranstaltungen für... Informatiker & Bioinformatiker & Informatikerinnen & Bioinformatikerinnen

Transkript

1 MUSTERERKENNUNG Vorlesung im Sommersemester 2016 Prof. E.G. Schukat-Talamazzini Stand: 11. März 2016 Lehrbereich Informatik Intelligente Systeme Vertiefung Künstliche Intelligenz und Mustererkennung Professur für Musteranalyse Lehrangebot Wintersemester & Sommersemester Inhaltliche Abhängigkeiten STOCHASTISCHE GRAMMATIK- MODELLE 2V M.Sc. WERKZEUGE ( R ) der Mustererkennung und des Maschinellen Lernens 2V/U B.Sc. MUSTERERKENNUNG 4V B.Sc. MASCHINELLES LERNEN UND DATA MINING 4V M.Sc. SPEZIELLE MUSTERANALYSE- SYSTEME 2V M.Sc. Meine Lehrveranstaltungen für... Informatiker & Bioinformatiker & Informatikerinnen & Bioinformatikerinnen SOMMERSEMESTER ASQ und Intelligente Systeme 4V EF Inf. Bachelor Mustererkennung 4V Master Werkzeuge ME/ML Gramma- 2V Stochastische tikmodelle Biometriesysteme (Seminar) 2Ü Statistische Musteranalyse 2S WINTERSEMESTER Literaturarbeit und Präsentation ASQ Strukturiertes Programmieren Maschinelles Lernen und Datamining 2S 4V+2Ü 4V Spezielle Musteranalysesysteme 2V

2 Wie studiere ich MUSTERANALYSE? Studiengänge: Informatik Bioinformatik Angewandte Informatik Mustererkennung Vorlesung der Bachelor/Master-Studiengänge 4V 6 LP Bachelor Mustererkennung 6LP We kzeuge ME/ML 3LP Vertiefungsangebote auf Antrag beim Prüfungsamt: Maschinelles Lernen 6LP Master Maschinelles Lernen 6LP Stochast. Grammatik 3LP Musteranalysesysteme 3LP Nivellierungsmodule auf Antrag beim Prüfungsamt: Mustererkennung 6LP We kzeuge ME/ML 3LP Werkzeuge Mustererkennung & Maschinelles Lernen Vorlesung der Bachelor/Master-Studiengänge 2V/P 3 LP B.Sc. Informatik B.Sc. Bioinform. B.Sc. Ang.Inform. Pflicht im Anw.fach CNS LG Informatik FS 6 9 Maschinelles Lernen & Data Mining Vorlesung der Master-Studiengänge 4V 6 LP B.Sc. Informatik B.Sc. Ang.Inform. B.Sc. Bioinform. Zusatzmodul KI/ME & INT auf Antrag Schwerpunkt KI/ME M.Sc. Comp.Science B.Sc. Informatik Zusatzangebot LG Informatik FS 6 9

3 Stochastische Grammatikmodelle Vorlesung der Master-Studiengänge 2V 3 LP Spezielle Musteranalysesysteme Vorlesung der Master-Studiengänge 2V 3 LP Schwerpunkt KI/ME M.Sc. Comp.Science Informatik Vorlesung Nutzung der Folienpräsentation Die Folien sollen vom Mitschreiben während der Vorlesung entlasten. Das Mitschreiben wird dadurch nicht überflüssig. Die Folien sind kein Lehrbuch. Die Folien sind daher im allgemeinen nur mit den Erläuterungen während der Vorlesung und entsprechenden eigenen Notizen verständlich.

4 Vorlesung Mathematische Sachverhalte Vorlesung Elektronisches Folienskript Wichtige mathematische Grundlagen werden in Steilkursen wiederholt. Die entsprechenden Fakten sind (oft) im letzten Abschnitt eines Vorlesungsteils dargestellt. Schwierige mathematische Zusammenhänge werden in der Anwendung verständlicher. Umfangreiche mathematische Formeln erscheinen viel harmloser, nachdem man/frau sie einmal programmtechnisch umgesetzt hat. Modul IN 0086: Werkzeuge ME & ML Die PDF-Fassung des Folienskripts enthält einige Hyperlinks: Verweise auf externe Webseiten Detaillierte Zusatzinformationen, Daten, Bilder (funktioniert nicht während der Vorlesung...) Literaturangaben Verweis auf Quellenangaben am Ende des Dokuments Programmcode R -Code zur Erstellung einer Grafik oder Tabelle dot -Code zur Erzeugung eines (gerichteten) Graphen Prüfung Was wird wann wie von wem geprüft? Prüfungsvorgang Mündliches Verhör circa 30 Minuten Prüfungstermine mehr Information { } { } { } Mi 13 Juli Erstprüfung am 2016 Mi 27 Juli Wiederholung am Mi 12 Oktober 2016 Prüfungsstoff Vorlesungsinhalte in Schrift und Wort Anmeldung und Zulassung zur Teilnahme und zur Prüfung

5 Mustererkennung (allgemein) R.O. Duda, P.E. Hart, and D.G. Stork. Pattern Classification. Wiley Interscience, H. Niemann. Klassifikation von Mustern. Springer, Berlin, H. Niemann. Pattern Analysis and Understanding, volume 4 of Series in Information Sciences. Springer, Berlin Heidelberg, Keinosuke Fukunaga. Introduction to Statistical Pattern Recognition. Academic Press, Boston, MA, J.P. Marques de Sa. Pattern Recognition. Concepts, Methods and Applications. Springer, Maschinelles Lernen Bilder, Sprache, Schrift, Biologie, Medizin Christopher M. Bishop. Pattern Recognition and Machine Learning. Springer, Hardcover 60 EUR. T. Hastie, R. Tibshirani, and J. Friedman. The Elements of Statistical Learning. Springer, Tom M. Mitchell. Machine Learning. McGraw-Hill Series in Computer Science. McGraw-Hill, New York, NY, Dana H. Ballard. An Introduction to Natural Computation. Complex Adaptive Systems. MIT Press, Cambridge, MA, D. Ballard and C. Brown. Computer Vision. Prentice Hall, Inc., Englewood Cliffs, N.J., E.G. Schukat-Talamazzini. Automatische Spracherkennung. Vieweg, Wiesbaden, Gernot A. Fink. Mustererkennung mit Markov-Modellen. Teubner, Wiesbaden, Metin Akay. Biomedical Signal Processing. Statistics in Practice. Academic Press, San Diego, CA, C.A. Glasbey and G.W. Horgan. Image Analysis for the Biological Sciences. Statistics in Practice. John Wiley & Sons, Chichester, 1995.

6 Anwendungen aus der Bioinformatik Pierre Baldi and Søren Brunak. Bioinformatics. The Machine Learning Approach. Adaptive Computation and Machine Learning. MIT Press, Cambridge, MA, Warren J. Ewens and Gregory R. Grant. Statistical Methods in Bioinformatics: an Introduction. Statistics for Biology and Health. Springer, J. Paetz. Soft Computing in der Bioinformatik. Springer, Richard Durbin, Sean Eddy, Anders Krogh, and Graeme Mitchison. Biological Sequence Analysis. Cambridge University Press, Cambridge, UK, Algorithmen, Implementierung, Software Mathematische Grundlagen I.N. Bronstein and K.A. Semendjajew. Taschenbuch der Mathematik. Verlag Harri Deutsch, Thun und Frankfurt/Main, 24 edition, M. Drmota, B. Gittenberger, G. Karigl, and A. Panholzer. Mathematik für Informatik. Heldermann Verlag, Seiten fester Einband 36 EUR. L. Dümbgen. Stochastik für Informatiker. Springer, Geoffrey Grimmett and David Stirzaker. Probability and Random Processes. Oxford University Press, edition, Paperback. Alfred Mertins. Signaltheorie. Springer, Auflage. Kristian Kroschel, Gerhard Rigoll, and Björn Schuller. Statistische Informationstechnik. Springer, Auflage. Dieter Müller-Wichards. Transformationen und Signale. Teubner, U. Ligges. Programmieren mit R. Springer, I.T. Nabney. NETLAB. Algorithms for Pattern Recognition. Advances in Pattern Recognition. Springer, Dietrich W. R. Paulus and Joachim Hornegger. Pattern Recognition of Images and Speech in C++. Advanced Studies in Computer Science. Vieweg, Wiesbaden, Ian H. Witten and Eibe Frank. Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, Auflage. Willi-Hans Steeb. The Nonlinear Workbook. World Scientific, Paperback 29 Pound.