03: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2017/18, 14.11.2017

Autor

Johann Marius Zöllner

Herausgeber

KIT | Webcast

Beteiligtes Institut

Institut für Anthropomatik und Robotik (IAR)

Genre

Vorlesung

Beschreibung

03 |
0:00:00 Starten
0:08:05 Klausur Organisatorisches
0:14:41 Lerntheorie, Algorithmenunabhängige Verfahren
0:20:11 Charakterisierung von Lernmaschinen
0:22:08 Grundsatz
0:23:08 Lernmaschine
0:26:53 Probleme beim Lernen
0:29:07 Zwei einfache Beispiele
0:29:42 Überwachtes Lernen aus Beispielen
0:31:19 Lernen? Fehlerdefinition
0:33:10 Fehlermaßfunktion
0:35:08 Realer & Empirischer Fehler
0:38:19 Lernen: Fehlerminimierung
0:40:35 Fehlerminimierung als Gradientenabstieg
0:41:42 Overfitting
0:48:45 Modellwahl
0:49:39 Modellgüte - ,,Validierung''
0:51:40 Bootstrap
0:53:15 Bagging = Bootstrap aggregation
0:53:45 Boosting für Klassifikation - ursrünglich Schapire 1990
0:55:05 AdaBoost - Adaptive Boosting
0:56:42 Adaptive Boosting Beispiel
0:57:08 Adaptive Boosting Beispiel - erster Klassifikator
0:58:09 Adaptive Boosting Beispiel - zweiter Klassifikator
0:58:41 Adaptive Boosting Beispiel - dritter Klassifikator
0:58:49 Adaptive Boosting Beispiel - finaler Klassifikator
0:59:53 AdaBoost - adaptive Boosting
1:01:04 Speziell: Viola & Jones Objekterkennung
1:06:20 Kaskadierung Viola & Jones 2001
1:09:19 AdaBoost - nach Viola & Jones
1:10:21 AdaBoost - adaptive Boosting
1:11:17 (Frühe) Ergebnisse von Viola Jones
1:11:49 PAC - Lernbarkeit
1:14:07 PAC - Stichprobenkomplexität
1:15:18 PAC - Beispiel
1:18:31 Vapnik - Chervonenkis (VC) Dimension
1:20:39 VC Dimension Beispiel
1:21:39 VC Dimension - Nutzen
1:23:05 Abschätzung des Testfehlers
1:27:12 Lösungsansatz: Structural Risk Minimization
1:30:04 Zusammenfassung

Laufzeit (hh:mm:ss)

01:31:19

Serie

Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2017/18

Publiziert am

16.11.2017

Fachgebiet

Informatik

Lizenz

KITopen-Lizenz