Adrian Ulges

Fachseminar "Machine Learning" (WS 15/16)

News

• Die Vortragsfolien und einige Ausarbeitungen sind jetzt online!
• Die Ausarbeitungen sind bis Mittwoch, den 06.01.16 um 23:59 Uhr per E-Mail an Prof. Ulges abzugeben!
• Hier die Übersicht der Vorträge

  13.01.16
  	11:45-12:15	David Lerch (Player Clustering + SOMs)
  	12:15-12:45	Nadja Kurz (Handwriting + Backprop)
  	12:45-13:15	Harald Heckmann (Super Mario + Evolutionary Algorithms)
  20.01.16
  	11:45-12:15	Brendan Christy (Text Classification + Active Learning)
  	12:15-12:45	Anahita Hamidi (Wikification + C4.5)
  	---
  27.01.16
  	11:45-12:15	Marcus Michaely (Music Matching + Feature Invariance)
  	12:15-12:45	Thorsten Knoll (Intrusion Detection + HMMs)
  	12:45-13:15	Tim Piechotka (Movie Recommendation + MF)
  03.02.16
  	11:45-12:15	Marvin Suhr (Background Subtraction + GMMs)
  	12:15-12:45	Sascha Schmidt (Eigenfaces + PCA)
  	12:45-13:15	Martin Beller (80mio + Nearest Neighbor)

• Diese Orga-Slides bieten alle Details zur Organisation des Kurses. Sie werden in unserem ersten gemeinsamen Treffen besprochen.
• Unser erstes Treffen findet am Mittwoch, den 14.10. um 11:45 Uhr statt.
• Dieser Kurs ist derzeit in Planung. Einige Infos vorab:
  • Sie bearbeiten ein Thema (Liste siehe unten), bestehend aus einem (englischsprachigen) Forschungspaper und einem grundlegenden Machine Learning - Konzept.
  • Das Thema ist vorzustellen...
    • in einer schriftlichen Ausarbeitung (mind. 8 Seiten zweispaltig, LaTeX, bis Anfang 2016)
    • und einem mündlichen Vortrag vor der Gruppe (30 Minuten, in den letzten Vorlesungswochen, LaTeX Beamer).
  • Ausarbeitung und Vortrag erfolgen in Deutsch (optional Englisch).
  • In drei Zyklen finden regelmäßige Treffen und Reviews mit Prof. Ulges statt.

Präsentationen

Hier finden sich die Folien der Abschluss-Vorträge

• Martin Beller: Nearest-Neighbour-Klassifikation
• Anahita Hamidi: Automatische Verlinkung mit Wikipedia mittels C4.5-Entscheidungsbäumen
• Harald Heckmann: Computerspiele mit evolutionären Algorithmen gewinnen
• Thorsten Knoll: Intrusionserkennung mit Hidden Markov Models
• Nadja Kurz: Handschrifterkennung mittels neuronaler Netze mit Backpropagation
• David Lerch: Self-organizing Maps und Player Modeling
• Marcus Michaely: Music Identification using Invariant Spectogram Features
• Tim Piechotka: Matrix Factorization mit Stochastic Gradient Descent als Lernalgorithmus
• Sascha Schmidt: Gesichtserkennung mittels Hauptkomponentenanalyse
• Marvin Suhr: Gaussian Mixture Models und der EM-Algorithmus

Ausarbeitungen

Hier einige der Fachseminar-Ausarbeitungen

• Harald Heckmann: Effiziente Entwicklung neuronaler Netzwerktopologien durch Reinforcement Learning
• Thorsten Knoll: Intrusionserkennung mit System Calls und Hidden Markov Models
• Nadja Kurz: Handschrifterkennung mittels neuronaler Netze mit Backpropagation
• Marving Suhr: Segmentierung von Bildern in Vorder- und Hintergrund mithilfe von Gaussian Mixture Models

Themenliste

• Detecting Faulty Software Changes using the APriori-Algorithm
• Segmenting Images into Foreground and Background using Gaussian Mixture Models
• Predicting Financial Crises using Random Forests
• Handwriting Recognition using Neural Networks with Backpropagation
• Phrase Clustering for Improving Web Search using KMeans
• Detecting Network Attacks using Hidden Markov Models
• Learning to Categorize News Articles using Active Learning
• Forecasting Customer Loyalty using Logistic Regression
• Auto-linking Texts with Wikipedia using C4.5 Trees
• Recommending Movies using Stochastic Gradient Descent
• Music Identification using Invariant Spectrogram Features
• Automatic Image Tagging using large-scale Nearest Neighbors
• NEW: Face Recognition using Principal Component Analysis
• NEW: Winning Super Mario using Genetic Algorithms
• NEW: Player Clustering using Self-organizing Maps

Zeitplan

Wöchentliche Treffen: Mittwoch, 11:45-13:15, Raum C-307

Material

• Orga-Slides
• Eine Liste von LaTeX-Editoren
• LaTeX-Templates für Ausarbeitung und Vortrag
  • Version 0.1
  • Version 0.2
  • Version 0.3 (mit Demo-File vom 21.10.)
• Ressourcen zu gutem technischen Schreiben
  • Selbstlernheft Verständliches Schreiben
  • Prevezanos: Technisches Schreiben
  • Strunk,White: The Elements of Style
• Domingos: A few useful Things to Know about Machine Learning

Kontakt

Adrian Ulges
Unter den Eichen 5, Haus C links, C-011
e-mail: adrian dot ulges at hs-rm dot de
Consultation: Wednesdays, 16:00 - 17:00