Human-Learner-Interaction

Termine

TagZeitRhythmusZeitraumRaumLehrpersonBemerkungMax. Teilnehmer/-innen
Vorlesung (V) - Termine:
Di. 09:00 bis 13:00 c.t. Einzeltermin am 04.04.2017 G29-021    
Do. 17:00 bis 19:00 wöchentlich G22A-362 (24 Plätze) Krempl Lehrpreisträger/-in  
Seminar/Übung (S/Ü) - Termine:
Do.15:00 bis 17:00 s.t.wöchentlichG22A-362 (24 Plätze) Krempl Lehrpreisträger/-in  

Übersicht (from LSF)

Lerninhalte

Lernziele & erworbene Kompetenzen:

  • Erwerb von fortgeschrittenen Kenntnissen im Gebiet interaktiver Systeme und Empfehlungssysteme

  • Erwerb praktischer Erfahrung mittels Durchführung eines Projektes

Die Studierenden wenden im Rahmen eines praxisnahen Projektes Kenntnisse aus dem Gebiet des Data Minings und maschinellen Lernens auf Problemstellungen des Lernens in interaktiven Umgebungen an, zum Beispiel mit Recommendation Engines.

Dabei verbessern sie ihre Fähigkeiten zur Projektarbeit, Meilensteinorientierung, Teamarbeit, Führung und Verantwortung, Delegation und Arbeitsteilung.

Kurzkommentar

Im Rahmen dieser Kombinationsveranstaltung (Vorlesung, Seminar, Projekt) wenden Studierende im Rahmen eines praxisnahen Projektes Kenntnisse aus dem Gebiet des Data Minings und maschinellen Lernens auf Problemstellungen des Lernens in interaktiven Umgebungen an, zum Beispiel mit aktiven Klassifikatoren oder Recommendation Engines.

Erste Einheit: DIENSTAG 4.4.2017 (Entfall am Donnerstag, den 6.4.), ab

First Lecture: TUESDAY 4th of April 2017 (no course on Thursday 6th of April)

Einschreibung mittels Belegfunktion beim begleitenden Seminar/Übung im LSF / Mandatory course registration: see "enrollment/Belegfunktion" for the accompanying Seminar/Exercise in LSF  (Platzvergabe erfolgt in den ersten zwei LV-Wochen).

Bei Fragen kontaktieren Sie bitte Georg Krempl

Note: If necessary, the course will be taught in English. Compulsatory exercises (tests) start in the second week!

Literatur

Ausgewählte projektbezogene Themen, unter anderem aus:

Active Learning:

Burr Settles. Active Learning. Morgan and Claypool Publishers, 2012.

Semi-Supervised Learning:

Steve Abney. Semisupervised Learning for Computational Linguistics. Chapman & Hall/CRC Computer Science & Data Analysis Series, 2007.

Reinforcement Learning

Richard S. Sutton and Andrew G. Barto. Reinforcement Learning: An Introduction. MIT Press, 1998.

Recommender Systems:

Francesco Ricci, Lior Rokach, Bracha Shapira, and Paul B. Kantor (Hrg.). Recommender Systems Handbook. Springer 2010.

Voraussetzungen

Hintergrundwissen in Data Mining oder maschinellem Lernen wird empfohlen.

Einschreibung mittels Belegfunktion beim begleitenden Seminar/Übung im LSF / Mandatory course registration: see "enrollment/Belegfunktion" for the accompanying Seminar/Exercise in LSF.

Zielgruppe
  • B-CV: WPF FIN-SMK

  • B-CV: WPF INF

  • B-INF: WPF FIN-SMK

  • B-INF: WPF INF

  • B-INGINF: WPF FIN-SMK

  • B-INGINF: WPF INF

  • B-WIF: WPF FIN-SMK

  • B-WIF: WPF INF

  • M-DKE: WPF Methods 1 / Fundamentals

  • M-DigiEng: WPF Human Factors

Course Material

 

Last Modification: 17.10.2017 - Contact Person:

Sie können eine Nachricht versenden an: Dr.-Ing. habil. Georg Krempl
Sicherheitsabfrage:
Captcha
 
Lösung: