Veranstaltung

Titel: Vortrag: "Maschinelles Lernen für extrem große Probleme"
Startdatum: 18 April
Startzeit: 18:00
Stoppzeit: 19:30Uhr
Veranstalter: VDI-Arbeitskreis Mess- und Automatisierungstechnik
Referent:
Univ.-Prof. Dr. Eyke Hüllermeier/Universität Paderborn 
Ort: Mönchebergstraße 7, Hörsaal 0400
Beschreibung:

Mit einer permanent wachsenden Verfügbarkeit an Daten steigen auch die Anforderungen an die Skalierbarkeit maschineller Lernverfahren, bis hin zum Lernen auf kontinuierlichen Datenströmen unter Echtzeitbedingungen. Neben statistischen und datenanalytischen Aspekten spielen daher zeit- und speichereffiziente Implementierungen sowie ein effektives Datenmanagement eine immer größere Rolle. Im Anschluss an eine allgemeine Einführung in das maschinelle Lernen im Kontext von „big data" und der Diskussion einiger wichtiger Aspekte widmet sich der Vortrag einem Problem, das kürzlich unter der Bezeichnung „extreme classification" bekannt geworden ist. Hiermit gemeint sind Klassifikationsprobleme mit einer extrem großen Anzahl von Klassen. Maschinelles Lernen unter diesen Bedingungen geht nicht nur einher mit Anforderungen an Skalierbarkeit und Effizienz, sondern erfordert auch konzeptionelle Anpassungen, beispielsweise hinsichtlich der Lernziele und der Evaluation von gelernten Modellen. So verlieren insbesondere klassische Gütemaße wie die Klassifikationsrate an Bedeutung. Vorgestellt wird hier ein neuartiger Ansatz zur Optimierung des sogenannten F-Maßes, der auf der Verwendung von speziellen probabilistischen hierarchischen Modellen basiert.

Zurück