01: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2018/19, 30.10.2018
Autor
Herausgeber
Beteiligtes Institut
Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB)
Genre
Beschreibung
- 0:00:00 Start
- 0:02:37 Charakterisierung von Lernmaschinen
- 0:04:26 Grundsatz
- 0:06:02 Lernmaschine
- 0:07:53 Probleme beim Lernen
- 0:09:47 Zwei einfache Beispiel
- 0:11:20 Überwachtes Lernen aus Beispielen
- 0:13:26 Lernen? Fehlerdefinition
- 0:14:18 Fehlermaßfunktion
- 0:16:05 Realer & Empirischer Fehler
- 0:17:13 Lernen: Fehlerminimierung
- 0:18:31 Fehlerminimierung als Gradientenabstieg
- 0:19:41 Overfitiing
- 0:24:55 Modelwahl
- 0:25:33 Modellgüte bestimmen
- 0:26:49 Klassifikation: Ergebnisklassen
- 0:27:48 Klassifikation: Konfusionsmatrix (Wahrheitsmatrix)
- 0:28:22 Metriken: Fehler und Güte
- 0:30:18 MEtriken: Recall und Precision
- 0:31:06 Finden guter Modelle einer Lernmaschine
- 0:33:00 Modellgüte bestimmen - Datenabhängig
- 0:34:39 Bootstrap
- 0:35:35 Bagging = Bootstrap aggregation
- 0:36:59 Boosting für Klassifikation - ursprünglich Schapire 1990
- 0:39:09 AdaBoost - Adaptive Boosting
- 0:42:31 Adaptive Boosting Beispiel
- 0:42:55 Adaptive Boosting Beispiel - erster Klassifikator
- 0:43:44 Adaptive Boosting Beispiel - zweiter Klassifikator
- 0:44:08 Adaptive Boosting Beispiel - dritter Klassifikator
- 0:44:23 Adaptive Boosting Beispiel - finaler Klassifikator
- 0:44:46 Speziell: Viola &Jones Objekterkennung
- 0:47:26 Kaskadierung Viola & Jones
- 0:50:18 Exkurs - Generative Adeversial Networks GANN
- 0:56:32 PAC - Lernbarkeit
- 0:58:55 PAC - Stichprobenkomplexität
- 1:00:15 PAC - Beispiel
- 1:01:18 Vapnik-Chervonenkis (VC) Dimension
- 1:04:12 VC Dimension Bespiel
- 1:06:51 Abschätzung des Testfehlers
- 1:09:13 Lösungsansatz: Struktural Risk Minimization
- 1:14:18 Literatur
- 1:15:38 Zusammenfassung
- 1:16:38 Die induktive Lernhypothese
- 1:17:15 Konsistenz und Vollstönfigkeit im Hypothesenraum - Beispieöe
- 1:18:10 Visionraum
- 1:19:21 Vorzugskriterien (Bias)
Laufzeit (hh:mm:ss)
01:21:30
Serie
Maschinelles Lernen 1 - Grundverfahren, WS 2018/19
Publiziert am
02.11.2018
Fachgebiet
Lizenz
| Auflösung | 1280 x 720 Pixel |
| Seitenverhältnis | 16:9 |
| Audiobitrate | 128000 bps |
| Audio Kanäle | 2 |
| Audio Codec | aac |
| Audio Abtastrate | 48000 Hz |
| Gesamtbitrate | 934328 bps |
| Farbraum | yuv420p |
| Container | mov,mp4,m4a,3gp,3g2,mj2 |
| Medientyp | video/mp4 |
| Dauer | 4890 s |
| Dateiname | DIVA-2018-789_hd.mp4 |
| Dateigröße | 571.105.959 byte |
| Bildwiederholfrequenz | 25 |
| Videobitrate | 800228 bps |
| Video Codec | h264 |
Embed-Code
Maschinelles Lernen 1 - Grundverfahren, WS 2018/19
Folgen 1-12
von 12
