08: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2018/19, 18.12.2018
Autor
Herausgeber
Beteiligtes Institut
Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB)
Genre
Beschreibung
08 |
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
Laufzeit (hh:mm:ss)
01:22:23
Serie
Maschinelles Lernen 1 - Grundverfahren, WS 2018/19
Publiziert am
18.12.2018
Fachgebiet
Lizenz
Auflösung | 1280 x 720 Pixel |
Seitenverhältnis | 16:9 |
Audiobitrate | 128000 bps |
Audio Kanäle | 2 |
Audio Codec | aac |
Audio Abtastrate | 48000 Hz |
Gesamtbitrate | 934128 bps |
Farbraum | yuv420p |
Container | mov,mp4,m4a,3gp,3g2,mj2 |
Medientyp | video/mp4 |
Dauer | 4943 s |
Dateiname | DIVA-2018-988_hd.mp4 |
Dateigröße | 577.187.006 byte |
Bildwiederholfrequenz | 25 |
Videobitrate | 800033 bps |
Video Codec | h264 |
Embed-Code