626.017 (21S) Selected Topics in Machine Learning

Sommersemester 2021

Anmeldefrist abgelaufen.

Erster Termin der LV
03.06.2021 15:00 - 18:00 Online Off Campus
... keine weiteren Termine bekannt

Überblick

Bedingt durch die COVID-19-Pandemie können kurzfristige Änderungen bei Lehrveranstaltungen und Prüfungen (z.B. Absage von Präsenz-Lehreveranstaltungen und Umstellung auf Online-Prüfungen) erforderlich sein.

Weitere Informationen zum Lehrbetrieb vor Ort finden Sie unter: https://www.aau.at/corona.
Lehrende/r
LV-Titel englisch
Selected Topics in Machine Learning
LV-Art
Vorlesung-Kurs (prüfungsimmanente LV )
LV-Modell
Onlinelehrveranstaltung
Semesterstunde/n
2.0
ECTS-Anrechnungspunkte
4.0
Anmeldungen
5 (30 max.)
Organisationseinheit
Unterrichtssprache
Englisch
mögliche Sprache/n der Leistungserbringung
Englisch
LV-Beginn
03.06.2021
eLearning
zum Moodle-Kurs

Zeit und Ort

Beachten Sie bitte, dass sich aufgrund von COVID-19-Maßnahmen die derzeit angezeigten Termine noch ändern können.
Liste der Termine wird geladen...

LV-Beschreibung

Inhalt/e

Reinforcement learning

How to find good sequences of decisions in an unknown domain through exploration and learning?

Stunning success of AlphaZero using reinforcement learning

Delayed rewards, long-term benefits of decisions, exploration and exploitation

Improving decision policy through exploration

Generalising what has been learned

Machine learning from noisy data

Problems with noise in learning data

Key ideas to cope with noise: paradoxically, simpler models are often better

Algorithms for learning decision trees from noisy data

How to estimate probabilities in machine learning correctly?

Argument-Based Machine Learning (ABML)

Human expert may help learning by annotating training examples with arguments

An algorithm for learning rules from argumented examples

ABML knowledge-elicitation loop

Learning qualitative models with applications in robotics

How to model qualitatively, avoiding numbers

Reasoning and simulation with qualitative models

Learning qualitative models from observations with QUIN and Pade

Learning and planning of robot tasks: rescue robot, humanoid robot, quadcopter

Learning from examples and background knowledge

How to use prior knowledge in Machine Learning?

Learning in logic – Inductive Logic Programming (ILP)

Learning programs from examples with ILP

Discovering problem structure with function decomposition

The idea of structuring the learning problem with function decomposition

Discovering structure with HINT algorithm

Improving accuracy and interpretability by structure learning in practice




Prüfungsinformationen

Im Fall von online durchgeführten Prüfungen sind die Standards zu beachten, die die technischen Geräte der Studierenden erfüllen müssen, um an diesen Prüfungen teilnehmen zu können.

Beurteilungsschema

Note Benotungsschema

Position im Curriculum

  • Masterstudium Informatics (SKZ: 911, Version: 19W.1)
    • Fach: Artificial Intelligence (Wahlfach)
      • Weitere LVen aus dem gewählten Spezialisierungsfach ( 0.0h XX / 12.0 ECTS)
        • 626.017 Selected Topics in Machine Learning (2.0h VC / 4.0 ECTS)
          Absolvierung im 1. Semester empfohlen
  • Doktoratsstudium Doktoratsstudium der Technischen Wissenschaften (SKZ: 700, Version: 18W.1)
    • Fach: Studienleistungen gem. § 3 Abs. 2a des Curriculums (Pflichtfach)
      • Studienleistungen gem. § 3 Abs. 2a des Curriculums ( 0.0h XX / 32.0 ECTS)
        • 626.017 Selected Topics in Machine Learning (2.0h VC / 4.0 ECTS)
  • Doktoratsstudium Doktoratsstudium der Technischen Wissenschaften (SKZ: 700, Version: 12W.4)
    • Fach: Studienleistungen gem. § 3 Abs. 2a des Curriculums (Pflichtfach)
      • Studienleistungen gem. § 3 Abs. 2a des Curriculums ( 16.0h XX / 32.0 ECTS)
        • 626.017 Selected Topics in Machine Learning (2.0h VC / 4.0 ECTS)
  • Doktoratsstudium Doktoratsstudium der Technischen Wissenschaften (SKZ: 786, Version: 12W.4)
    • Fach: Studienleistungen gem. § 3 Abs. 2a des Curriculums (Pflichtfach)
      • Studienleistungen gem. § 3 Abs. 2a des Curriculums ( 16.0h XX / 32.0 ECTS)
        • 626.017 Selected Topics in Machine Learning (2.0h VC / 4.0 ECTS)

Gleichwertige Lehrveranstaltungen im Sinne der Prüfungsantrittszählung

Sommersemester 2020
  • 626.017 VC Selected Topics in Machine Learning (2.0h / 4.0ECTS)
Sommersemester 2019
  • 623.131 VC Selected Topics in Artificial Intelligence (2.0h / 4.0ECTS)
Sommersemester 2018
  • 623.131 VC Selected Topics in Machine Learning (2.0h / 4.0ECTS)
Sommersemester 2017
  • 623.131 VC Selected Topics in Artificial Intelligence (2.0h / 4.0ECTS)
Sommersemester 2016
  • 623.131 VC Selected Topics in Artificial Intelligence (2.0h / 4.0ECTS)
Sommersemester 2015
  • 623.131 VK Selected Topics in Artificial Intelligence (2.0h / 4.0ECTS)
Sommersemester 2014
  • 623.131 VK Selected Topics in Artificial Intelligence (2.0h / 4.0ECTS)
Sommersemester 2013
  • 623.131 VK Selected Topics in Artificial Intelligence (2.0h / 3.0ECTS)
Sommersemester 2012
  • 623.131 VK Selected Topics in Artificial Intelligence (2.0h / 3.0ECTS)
Sommersemester 2011
  • 623.131 VK Selected Topics in Artificial Intelligence (2.0h / 3.0ECTS)