Machine Learning for Graphs and Sequential Data (IN2323)
Lehrveranstaltung 0000002444 im SS 2021
Basisdaten
| LV-Art | Vorlesung mit integrierten Übungen |
|---|---|
| Umfang | 4 SWS |
| betreuende Organisation | Informatik 26 - Professur für Data Analytics and Machine Learning (Prof. Günnemann) |
| Dozent(inn)en |
Marin Bilos Bertrand Charpentier Stephan Günnemann Marten Lienen Oleksandr Shchur |
| Termine |
Do, 14:00–16:00, virtuell Mi, 14:00–16:00, virtuell sowie 1 einzelner oder verschobener Termin |
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 | 1. Introduction & Advanced ML Principles * Machine Learning, Data Mining Process * Basic Terminology * Variational Inference * Deep Generative Models: VAE, Implicit Models, GANs 2. Sequential Data * ML models for text data and temporal data * Autoregressive Models * HMMs, Kalman Filter * Embeddings (e.g. Word2Vec) * Neural Networks (e.g. RNN, LSTM) * Temporal Point Processes 3. Graphs & Networks * Laws, Patterns * (Deep) Generative Models for Graphs * Spectral Methods * Ranking (e.g., PageRank, HITS) * Community Detection * Node/Graph Classification * Label Propagation * Graph Neural Networks * (Unsupervised) Node Embeddings * Dynamic/temporal graphs |
|---|---|
| Links |
LV-Unterlagen E-Learning-Kurs (z. B. Moodle) Zusatzinformationen TUMonline-Eintrag |