Grundlagen
- Einleitung
- Die Daten
- Konzept, Klassifikation und Regression
- Deduktion und Induktion
- Überwachtes und unüberwachtes Lernen
- Fehlerminimierung
- Gradientenabstieg
- Overfitting
- Abstandsmaße
- Teste dich!
Instanzbasiertes Lernen
- K-Nearest Neighbours
- KNN: Mathematik
- gewichteter KNN
- Case-based Reasoning
- Teste dich!
Concept Learning
- Teil 1
- Teil 2
- Konzeptlernen
Unüberwachtes Lernen
- k-Means Clustering
- Fuzzy K-Means Clustering
- Dendrogramme
- Cobweb #1
- Cobweb #2
- Was ist der Unterschied zwischen k-Means und kNN?
- Dendrogramme
Bayes Lernen
- Einleitung
- Das Bayes-Theorem
- Die Maximum A Posteriori Hypothese
- Konzeptlernen
- Funktionslernen
- Optimaler Bayes
- Der Naive Bayes-Klassifikator
- Schätzen von Werten
- Bayes'sche Netze
- Bedingte Unabhängigkeiten in Bayes'schen Netzen #1
- Bedingte Unabhängigkeiten in Bayes'schen Netzen #2
- D-Separation
- Objektorientierte Probabilistisch Relationale Modelle OPRM
- Parameterschätzung in OPRMs
- Strukturbestimmung in OPRMs
- Der EM-Algorithmus
- Teste dich!
- Naiver Bayes Klassifikator
Entscheidungsbäume
- Einleitung
- Der ID3-Algorithmus
- Entropie und Informationsgewinn
- Reduced Error Pruning
- Attribute mit vielen Werten und kontinuierliche Werte
- Random Forests
Markov Modelle
- Diskrete Markov Modelle
- Hidden Markov Modelle
- Das Evaluationsproblem und der Forward-Backward-Algorithmus
- Das Dekodierungsproblem und der Viterbi-Algorithmus
- Der Baum-Welch-Algorithmus
- Der Baum-Welch-Algorithmus #2
- Typen von HMMs
- Hidden Markov Modelle
Deduktives Lernen
- Einleitung
- Explanation Based Learning
- Knowledge Based Neural Networks
Markov Logik Netze
- Probabilistische Graphische Modelle
- Markov Logik Netze
- Der MAP-Algorithmus
- Generatives Lernen
Evolutionäre Algorithmen
- Der Grundalgorithmus
- Mutationen
- Rekombinationen
- Selektion
- Fitness Based Selection
- Ranking Based und Tournament Selection
- Evolutionäre Algorithmen
Reinforcement Learning
- Lernen durch Bestrafung
- Die State-Value Function
- Q-Learning
- Living Reward und Exploration
- TD-Learning und SARSA
- Options und Semi-MDP
- Hierarchical Abstract Machines
- Reinforcement Learning
Support Vector Machines
- Einleitung
- Die Lagrange Methode
- Das Duale Optimierungsproblem
- Soft Margin
- Nicht-lineare SVMs und der Kernel-Trick
Semi-Supervised Learning
- Einleitung
- Self Learning
- Co-Training
