10: Maschinelles Lernen 1 – Grundverfahren, Vorlesung, WS 2017/18, 16.01.2018
Author
Editor
Participating institute
Institut für Anthropomatik und Robotik (IAR)
Genre
Description
- 0:00:00 Starten
- 0:02:05 Was ist Lernen nach Bayes?
- 0:05:57 Wahrscheinlichkeitstheorie
- 0:08:40 Theorem von Bayes (für ML)
- 0:21:06 Brute Force Lernen von MAP-Hypothesen
- 0:28:41 Lernen einer reell-wertigen Funktion
- 0:35:29 Optimales Bayes-Klassifikator
- 0:41:28 Naiver Bayes-Klassifikator
- 0:56:04 Klassifikation von Texten
- 1:04:26 Bayes'sche Netze
- 1:14:09 Der EM-Algorithmus
Duration (hh:mm:ss)
01:26:30
Series
Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2017/18
Published on
18.01.2018
Subject area
License
| Resolution | 1280 x 720 Pixel |
| Aspect ratio | 16:9 |
| Audio bitrate | 128000 bps |
| Audio channels | 2 |
| Audio Codec | aac |
| Audio Sample Rate | 48000 Hz |
| Total Bitrate | 934056 bps |
| Color Space | yuv420p |
| Container | mov,mp4,m4a,3gp,3g2,mj2 |
| Media Type | video/mp4 |
| Duration | 5190 s |
| Filename | DIVA-2018-44_hd.mp4 |
| File Size | 606.013.343 byte |
| Frame Rate | 25 |
| Video Bitrate | 799961 bps |
| Video Codec | h264 |
Embed Code
Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2017/18
Episodes 1-13
of 13
