Spezialvorlesung "Maschinelles Lernen und Data Mining"

Prof. Dr. Luc De Raedt

Mitwirkung : Dr. Stefan Kramer , Dr. Christoph Helma, Dipl.-Inf. Kristian Kersting

(3+1 SWS)

Uhrzeit: Mi 9-11, Fr 9-10 - Ort: SR 01-009/013, Geb. 101
Übungen: Fr 10-11 - Ort: SR 01-009/013 Geb. 101

Es ist allgemein anerkannt, dass die Fähigkeit zu lernen, zentral für Intelligenz ist. Daher ist es kein Wunder, dass das Maschinelles Lernen eines der Hauptgebiete der Künstlichen Intelligenz ist.  Das Maschinelle Lernen beschäftigt sich damit, wie Agenten entworfen werden können, die durch Erfahrung ihre Fähigkeit, eine Aufgabe zu lösen, verbessern können. Verschiedene Techniken des Maschinellen Lernens werden in der Spezialvorlesung behandelt:
 

• Symbolisches Lernen
• Neuronale Netze
• Genetische Algorithmen
• Entscheidungsbäume
• Bayes'sche Netze
• Version Spaces
• Induktive Logische Programmierung
• Computationale Lerntheorie

Die am weitesten verbreitete Anwendung des Maschinellen Lernens ist die Analyse von Daten. Datenanalyse war in den letzten Jahren auch das zentrale Thema des sogenannten "Data Mining".
Das Ziel dieser neuen Wissenschaft ist, neue Methoden zu entwickeln, die dazu dienen, neues Wissen aus Datenbanken zu extrahieren. Um dieses Ziel zu erreichen, kombiniert dieses neue Gebiet Techniken der Statistik, des Maschinellen Lernens und des Gebiets der Datenbanken. Die Spezialvorlesung gibt einen Überblick über "Data Mining" Techniken und ihre Anwendungen. Themen, die besprochen werden sind u.a.:
 

• der Prozess der "Knowledge Discovery"
• die Entdeckung von Assoziationsregeln in Datenbanken
• spezielle Techniken für grosse Datenbanken
•  ...

Die Spezialvorlesung "Maschinelles Lernen und Data Mining" ist besonders relevant für die Bioinformatik, die sich u.a. mit der Analyse und  Interpretation von (grossen Mengen von) biologischen und chemischen Daten beschäftigt. Des weiteren ergänzen die Techniken des Maschinellen Lernens "traditionellere" Methoden der Datenanalyse aus der Statistik. Verschiedene Anwendungen in der Bioinformatik werden in der Vorlesung präsentiert.

Die Vorlesung hält sich weitgehend an das Buch von Tom Mitchell, Machine Learning, McGraw Hill, 1997  Das Material aus dem Buch wird durch einige zusätzliche Artikel ergänzt.

Im Sommersemester 2001 wird die Spezialvorlesung auf Englisch gehalten, aber Studenten können auch Fragen auf Deutsch stellen.