Mining Massive Datasets (IN2323)
Lehrveranstaltung 0000002444 im SS 2019
Basisdaten
LV-Art | Vorlesung mit integrierten Übungen |
---|---|
Umfang | 4 SWS |
betreuende Organisation | Informatik 3 - Lehrstuhl für Datenbanksysteme (Prof. Kemper) |
Dozent(inn)en |
Stephan Günnemann Mitwirkende: Oleksandr Shchur |
Termine |
Mi, 14:00–16:00, Interims I 101 Do, 14:00–16:00, Interims I 101 |
Zuordnung zu Modulen
-
IN2323: Machine Learning for Graphs and Sequential Data / Machine Learning for Graphs and Sequential Data
Dieses Modul ist in den folgenden Katalogen enthalten:- Fokussierungsrichtung Bildgebende Verfahren im M.Sc. Biomedical Engineering and Medical Physics
weitere Informationen
Lehrveranstaltungen sind neben Prüfungen Bausteine von Modulen. Beachten Sie daher, dass Sie Informationen zu den Lehrinhalten und insbesondere zu Prüfungs- und Studienleistungen in der Regel nur auf Modulebene erhalten können (siehe Abschnitt "Zuordnung zu Modulen" oben).
ergänzende Hinweise | * Introduction - Machine Learning, Data Mining Process - Basic Terminology * Scalability - Similarity Estimation - Filter-Refine Paradigm - Hashing & Sketches - Min-Hashing - Locality Sensitive Hashing - Membership Test / Bloom Filter - Large-Scale Optimization * Temporal Data & Sequences - Autoregressive Models - HMMs - Embeddings (e.g. Word2Vec) - Neural Networks (e.g. RNN, LSTM) * Graphs & Networks - Laws, Patterns - (Deep) Generative Models - VAE, Implicit Models - Generative Models for Graphs - Spectral Methods - Ranking (e.g., PageRank, HITS) - Community Detection - Representation Learning for Graphs - Graph Neural Networks - (Unsupervised) Node Embeddings |
---|---|
Links |
LV-Unterlagen E-Learning-Kurs (z. B. Moodle) TUMonline-Eintrag |