Seminare: Machine Learning / Organic Computing


SWS: 2 (4 ECTS)
Termin: Termine nach Absprache verteilt auf das Semester
Raum: IES Labor (0303c)
Vorbesprechung: Mi., 26.04.2017 13:00
Zielgruppe: BA / MA (Informatik / Elektrotechnik / Mechatronik)


Beschreibung / Ablauf:

Das Seminar findet bei entsprechender Teilnehmeranzahl als Konferenz-Seminar statt, d.h.,

  • Die Teilnehmer können sich ein Thema aus dem Bereich Machine Learning / Organic Computing aus einer Vorschlagsliste auswählen oder selbst ein passendes Thema vorschlagen.
  • Eine erste Version des Papers muss bis zu einem Termin, in der Mitte des Semesters, eingereicht werden.
  • Das eingereichte Paper wird in einem Peer Review von den Seminar-Teilnehmern und Betreuern begutachtet.
  • Die Teilnehmer haben anschließend die Möglichkeit, ihre Paper zu überarbeiten um eine finale Version (camera ready) abzugeben.
  • Die Ergebnisse bzw. Themen der ausgearbeiteten Paper werden am Ende des Semesters von den Teilnehmern, im Rahmen einer kleinen "Konferenz", präsentiert. Die Vorträge sollten maximal 30 min. dauern, woran sich eine kurze Fragerunde (ca. 10 min.) anschließt.
  • Zusätzlich erhält die beste Ausarbeitung einen best paper award, der undotiert ist.
  • Damit die Paper ein einheitliches Aussehen erhalten, soll sich an dem bekannten LNCS Stil orientiert werden. Die Benutzung von Latex wird empfohlen und unterstützt. Eine Vorlage für Microsoft Word ist ebenfalls vorhanden, wenn auch nicht empfohlen.
  • Der Fokus des Seminars liegt für Studierende im Master auf der selbständigen Ausarbeitung eines aktuellen Forschungsthema.
    Für Studierende im Bachelor ist die Ausrichtung mehr auf die wissenschaftliche Ausarbeitung als solche gerichtet (Struktur, Aufbau, Inhalt).


Vorteile der Seminar-Organisation:

  • Themenauswahl ist im Rahmen des ausgeschriebenen Themengebietes frei (Zudem wird eine Auswahl an einzelnen Themen angeboten).
  • Teilnehmer erhalten einen Einblick in die Abläufe auf akademischen Konferenzen.
  • Gute Vorbereitung auf anstehende Abschlussarbeiten, insbesondere wenn noch keine Vorkenntnisse in Latex oder im wissenschaftlichen Schreiben vorliegen.
  • Geführte herangehensweise an die einzelnen Etappen einer wissenschaftlichen Ausarbeitung.


Themenwahl:

Die Themen der Seminararbeiten sollen aus dem Bereich "Machine Learning" oder "Organic Computing" stammen.

Bachelor-Teilnehmer: Der Schwerpunkt des Seminar liegt auf der Vermittlung von Grundlagen des wissenschaftlichen Arbeitens anhand einfacher Themen aus dem jeweiligen Bereich (z.B. Kapitel aus dem Lehrbuch).
Mögliche Themen:
  • Support Vector Machines
  • Clustering
  • Reinforcement Learning
  • Ameisenalgorithmen
  • Entscheidungsbäume
  • Partikelschwarm
  • Künstliche Immunsysteme
  • ... [eigene Vorschläge]

Link in die HIS/LFS Prüfungsverwaltung.

Master-Teilnehmer: Der Schwerpunkt des Seminar liegt auf forschungsorientiertem Arbeiten auf Basis von aktuellen Forschungsthemen aus dem jeweiligen Bereich.
Mögliche Themen:
  • Active Learning
  • Emergenz
  • Relevance Vector Machines
  • Deep Learning
  • S³VM
  • Dirichlet Process Mixture Models
  • Nonparametric Bayesian
  • ... [eigene Vorschläge]

Link in die HIS/LFS Prüfungsverwaltung.