Lehrinhalte

• Support Vector Regression
• Dualization
• Lagrange Multipliers and Duality
• Kernel Functions
• SMO Algorithm
• Regression
• Bayesian Regression
• Genetic Algorithms
• Neuronal Networks

Qualifikationsziele / Kompetenzen

• Bildung einer Entscheidungsgrundlage für die Wahl von Lernverfahren in Abhängigkeit der vorgelegten Anwendung
• Anpassung und Optimierung von Lernverfahren (dabei wird über die bloße Auswahl an Parametern weit hinausgegangen und auch mathematische Grundlagen aus unterschiedlichen Ansätzen zusammengefasst, wobei innovative Verfahren für Anwendungen des Lernens entstehe)
• Grundverständnis für support vector Verfahren