KIT-Bibliothek

08: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2018/19, 18.12.2018

This audio or video file is copyrighted. Access is only allowed via computers of the Karlsruhe Institute of Technology (KIT).

Author

Johann Marius Zöllner

Editor

KIT | Webcast

Participating institute

Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB)

Genre

Vorlesung

Description

  • 0:00:00 Starten
  • 0:01:03 Übersicht
  • 0:02:10 Was ist Lernen nach Bayes?
  • 0:03:37 Warum Lernen nach Bayes?
  • 0:05:18 Lernen nach Bayes: Herausforderungen
  • 0:06:56 Wahrscheinlichkeitstheorie
  • 0:09:00 Theorem von Bayes
  • 0:10:31 Bedingte Unabhängigkeit
  • 0:12:03 Auswahl von Hypothesen
  • 0:13:56 Brute Force Lernen von MAP Hypothesen
  • 0:14:14 BSP: Medizinische Diagnose
  • 0:17:36 Analyse Konzeptlernen
  • 0:23:13 Fazit: Konsistente Lerner
  • 0:24:54 Lernen einer reel-wertigen Funktion
  • 0:30:47 Klassifikation neuer Instanzen
  • 0:32:24 Optimaler Bayes-Klassifikator
  • 0:38:57 Naiver Bayes-Klassifikator
  • 0:44:03 BSP: Tennis Spielen
  • 0:47:55 BSP:Klassifikation von Texten
  • 0:48:35 Schätzen von Attribut-Wahrscheinlichkeiten
  • 0:57:48 Bayessche Netze
  • 1:08:19 EM - BSP: Netzmodell
  • 1:11:25 Mixtur aus k Gaußverteilungen
  • 1:12:08 BSP für die Bestimmung der k Mittelwerte
  • 1:13:49 Eigenschaften des EM Algorithmus
  • 1:14:07 Allgemeines EM Problem
  • 1:14:51 Verfahren
  • 1:17:27 Zusammenfassung

Duration (hh:mm:ss)

01:22:23

Series

Maschinelles Lernen 1 - Grundverfahren, WS 2018/19

Published on

18.12.2018

Subject area

Computer science

License

KITopen Licence

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 934128 bps
Color Space yuv420p
Container mov,mp4,m4a,3gp,3g2,mj2
Media Type video/mp4
Duration 4943 s
Filename DIVA-2018-988_hd.mp4
File Size 577.187.006 byte
Frame Rate 25
Video Bitrate 800033 bps
Video Codec h264

Embed Code