Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revisionPrevious revision
Next revision
Previous revision
Next revisionBoth sides next revision
teaching:le-ki2-ws18 [2018/09/11 08:22] nygateaching:le-ki2-ws18 [2018/09/11 08:31] nyga
Line 9: Line 9:
 ^Sprache^Deutsch^ ^Sprache^Deutsch^
 ^Termine^Vorlesung: Di, 16-18 Uhr; Übung: Mo, 12-14 Uhr^ ^Termine^Vorlesung: Di, 16-18 Uhr; Übung: Mo, 12-14 Uhr^
-^Ort^ [[https://www.google.de/maps/place/Technische+Akademie+Bremen,+Universit%C3%A4t+Bremen,+28359+Bremen/@53.1099364,8.8592024,17z/data=!3m1!4b1!4m2!3m1!1s0x47b126315a2e1755:0x74c75b0bda3dec4f?hl=de|TAB-Gebäude (Am Fallturm 1)]], [[https://ai.uni-bremen.de/_media/contact/tab1.png|Eingang E]], Raum 0.50/0.51^+^Ort^ [[https://www.google.de/maps/place/Technische+Akademie+Bremen,+Universit%C3%A4t+Bremen,+28359+Bremen/@53.1099364,8.8592024,17z/data=!3m1!4b1!4m2!3m1!1s0x47b126315a2e1755:0x74c75b0bda3dec4f?hl=de|TAB-Gebäude (Am Fallturm 1)]], Eingang F, Raum 0.50/0.51^
 ^Bemerkungen^Vorlesungsbeginn: Di, 16.10.2018 \\ Übungsbeginn: Mo, 22.10.2018^ \\ ^Bemerkungen^Vorlesungsbeginn: Di, 16.10.2018 \\ Übungsbeginn: Mo, 22.10.2018^ \\
  
Line 22: Line 22:
  
   * Probabilistische Wissensverarbeitung   * Probabilistische Wissensverarbeitung
-    * Wahrscheinlichkeitstheorie+    * Grundlagen der Wahrscheinlichkeitstheorie
     * Bayes'sches maschinelles Lernen     * Bayes'sches maschinelles Lernen
-    * Markov-Netze+    * Markov-Netze vs. Bayes-Netze
  
   * Probabilistische Klassifikation und Regression   * Probabilistische Klassifikation und Regression
Line 30: Line 30:
     * Logistic Regression     * Logistic Regression
     * Bayesian Linear Regression     * Bayesian Linear Regression
 +    * Classification and Regression Trees
  
   * Probabilistisches Schließen über die Zeit   * Probabilistisches Schließen über die Zeit
 +    * Stochastische Prozesse: Markov-Ketten
     * Hidden Markov Models (HMM)     * Hidden Markov Models (HMM)
     * Conditional Random Fields (CRF)     * Conditional Random Fields (CRF)
  
   * Statistical Relational Learning   * Statistical Relational Learning
-    * Markov Logic Networks (MLN)+    * Markov logic networks (MLN)
  
   * Ensemble-basierte Lernalgorithmen   * Ensemble-basierte Lernalgorithmen
-    * Adaptive Boosting +    * Adaptive Boosting (AdaBoost) 
-    * Random Forests+    * Gradient Tree Boosting (XGBoost) 
 +    * Bagging & Random Forests
  




Prof. Dr. hc. Michael Beetz PhD
Head of Institute

Contact via
Andrea Cowley
assistant to Prof. Beetz
ai-office@cs.uni-bremen.de

Discover our VRB for innovative and interactive research


Memberships and associations:


Social Media: