Kleine Bayessche AG

Vortragsplan im WS14/15: Maschinelles Lernen

Wie funktioniert Handschrifterkennung? Wie kann man Fotos von faulen Äpfeln von leckeren unterscheiden? Wie kann man vorhersagen, welcher Kandidat eine Wahl gewinnen wird? Wie kann man neurale Netze einsetzen?

Die Terminfrage ist etwas nichttrivial. Vorläufig fassen wir mittwochs 16:30 Uhr ins Auge. Das nächste Treffen ist am Freitag (6.2.2015) um 12:15 Uhr.

Relevante Oberseminartermine der vergangenen Zeit:

• Am 20.10.: Identifizierung von systemischen Risiken im Finanzsystem, Thilo Liebig.

• Am 24.10.: Flexible and Sparse Bayesian Model-Based Clustering, Bettina Grün.

Organisation: Philipp Düren, Büro 2001B

Vortragsplan

Die Auswahl und Reihenfolge der Vorträge steht noch nicht fest. Neben dem klassischen Vortragsformat soll es auch andere Sitzungsarten geben, zum Beispiel können wir gemeinsam Vorlesungsaufzeichnungen ansehen oder programmieren.

In Kürze sammeln wir hier geeignete Literaturverweise.

1. Philipp Düren: An introduction to clustering algorithms (7.10.).
   Mitschrift, Materialien (MATLAB).

   Philipp Düren: Review of conditional expectation (??.??.).
   TeXmacs

2. Miguel de Benito Delgado: Hidden variable models and expectation-maximization (an ε-sized introduction) (14.10.).
   Materialien (TeXmacs, Python)

3. Luigi Bianchi: Clustering text data (24.10.).
   Mitschrift, Materialien (TeXmacs, Python).

4. Philipp Düren: Occam's razor and Bayesian model comparison (28.10.).

5. Ingo Blechschmidt: Markov chains and MCMC methods (7.11.).
   Materialien (Haskell), Folien zu einem Haskell-Vortrag.

6. Luigi Bianchi, Philipp Düren: Handwriting recognition using neural nets (13.11.).
   Materialien (TeXmacs).

7. Benedikt von Seelstrang: What is … persistent homology? (26.11.).

8. Ingo Blechschmidt: Principal component analysis and digit recognition (17.12.). Materialien (Python, Scilab), Bilderrätsel.

9. Miguel de Benito Delgado, Philipp Düren: Occam's Razor and Bayesian Model Selection (2nd attempt). Or: Is that a fair coin? (22.1.). Materialien (Python, MATLAB, TeXmacs)

10. Christoph Lassner: Random Forests (6.2.).

11. Alexander Schiendorfer: Gaussian Processes (irgendwann im Februar).

12. Ingo Blechschmidt: Automatic Differentiation (7.9.).

Dank gilt der Mitschreiberin: Carina Willbold

Weitere Themenvorschläge: Wie funktioniert Detexify? Chinesische Handschrifterkennung. Spracherkennung. Graphenalgorithmen (A*, …). Persistent Homology.