11: Maschinelles Lernen 1 – Grundverfahren, Vorlesung, WS 2017/18, 23.01.2018

Autor

Rüdiger Dillmann

Herausgeber

KIT | Webcast

Beteiligtes Institut

Institut für Anthropomatik und Robotik (IAR)

Genre

Vorlesung

Beschreibung

11 |
0:00:00 Starten
0:00:19 Induktives Lernen
0:09:06 Was ist Induktion?
0:10:02 Induktion vs. Deduktion
0:11:12 Induktive Lernverfahren
0:12:55 Beispiel: Definition: Konzept
0:14:41 Lernen von Konzepten
0:15:43 Konzeptlernen zum Nachdenken
0:17:08 Konzeptlernen: Beispiel 1
0:18:53 Konzeptlernen: Beispiel 2
0:19:39 Kozeptlerrnen: Beispiel 3
0:20:57 Konsistenz und Vollständigkeit im Hypothesenraum
0:21:27 Konsistenz und Vollständigkeit im Hypothesenraum: Beispiel
0:24:08 Lernen als Suche im Hypothesenraum
0:29:55 Specific to General Suche
0:33:26 Definition: Visionsraum
0:34:00 Version Space / Candidate Elimination Algorithmus
0:36:55 Version Space: Veranschaulichung
0:37:27 Version Space Beispiele
0:38:04 Einordnung
0:41:51 Einschränkung des Hypothesenraums
0:44:21 Vorzugskriterien
0:48:05 Zusammenfassung
0:49:58 Instanzbasiertes Lernen
0:58:50 Lazy learning vs. Eager learning
1:05:14 Beurteilung
1:07:08 Beispiele
1:10:23 k-Nearest Neighbor

Laufzeit (hh:mm:ss)

01:17:24

Serie

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

Publiziert am

25.01.2018

Fachgebiet

Informatik

Lizenz

KITopen-Lizenz