Data Science - in Planung

Möglicherweise ab SoSe 2028

Überblick (alte Planung!)

Dieser Kurs deckt Methoden aus dem Bereich Data Science ab. Konkret konzentrieren wir uns auf Clustering-Algorithmen und probabilistische graphische Modelle & Inferenz und betrachten Textmodellierung und Information Retrieval als Anwendung von Clustering-Ideen und probabilistischer Modellierung.

Themen (vorläufig) und Präsentationsmaterial

0. Überblick (pptx, pdf)
1. Einleitung (pptx, pdf)
2. Clustering
   1. Grundlegende Algorithmen (pptx, pdf)
   2. Distanzmaße (pptx, pdf)
   3. Bewertungskriterien (pptx, pdf)
   4. Weitergehende Algorithmen (pptx, pdf)
3. Probabilistische graphische Modelle (PGMs)
   5. Probabilistische Modellierung (pptx, pdf)
   6. Exakte Inferenz (pptx, pdf)
   7. Approximative Inferenz (pptx, pdf)
   8. Lernalgorithmen (pptx, pdf)
   9. Sequentielle PGMs und Inferenz (pptx, pdf)
4. Textmodellierung & Information Retrieval
   10. Vorverarbeitung (pptx, pdf)
   11. Information Retrieval und dessen Bewertung
   12. Vektor-basierte Verarbeitung (pptx, pdf)
   13. Probabilistische Verarbeitung (pptx, pdf)
   14. Erweiterung: Korpusannotationen (pptx, pdf)

Literatur

• Clustering: folgt
• Probabilistic Graphical Models - Principles and Techniques, Daphne Koller und Nir Friedman

Alle Versionen sind online auffindbar.