
08: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2018/19, 18.12.2018
Author
Editor
Participating institute
Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB)
Genre
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
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 | 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
Maschinelles Lernen 1 - Grundverfahren, WS 2018/19
Episodes 1-12
of 12