In diesem Proseminar werden wir uns mit einer Reihe von Unsupervised-Learning-Algorithmen beschäftigen.
Im Folgenden ist eine Auflistung der möglichen Themen gruppiert nach Anwendungsgebieten:
Clustering
Hierarchical clustering
Latent variable models
Principal component analysis (PCA)
Isomap
Locally-linear embedding (LLE)
Unsupervised Kernel Regression (UKR)
Independent component analysis (ICA)
Singular value decomposition (SVD)
Anomaly Detection
Local outlier factor (LOF)
Neural Networks
Self-organizing maps (SOM)
deep belief network (DBN)
Autoencoders (AE)
Generative adversarial networks (GAN)
Ablauf der Veranstaltung:
Zu Beginn (die ersten 3-4 Termine) gibt es eine kurze thematische sowie eine etwas ausführlichere organisatorische Einführung (Hinweise zum wissenschaftlichen Schreiben und Präsentieren usw.)
Außerdem werden die Themen zu Beginn (1. oder 2. Termin) verteilt
Nach einem Bearbeitungszeitraum, beginnen in der zweiten Hälfte des Semesters dann wöchentliche Vorträge
Admission settings
The course is part of admission "Beschränkte Teilnehmendenanzahl: Proseminar: Unsupervised Learning".
The following rules apply for the admission:
A defined number of seats will be assigned to these courses.
The seats will be assigned in order of enrolment.
