In der Datenanalyse ist die Bestimmung relevanter features häufig ein entscheidender Schritt. Als Beispiele seien genannt: die Fouriertransformierte/das Spektrum zum Arbeiten mit Audiodaten, die manuelle Identifikation von markanten Stellen in Fingerabdrücken, autoencoder in neuronalen Netzwerken.
Wir werden unter anderem betrachten:
- klassische, manuelle Auswahl von features (wie bei Fingerabdrücken)
- moderne, automatische Auswahl von features in neuronalen Netzen (autoencoder)
- feature augmentation, Kernelmethoden
- features und die Invariantentheorie in der Algebra
Es sind sowohl Vorträge in der theoretischen Mathematik als auch in den Anwendungen möglich.
Master/Bachelor Arbeiten können sich an das Seminar anschließen.
If you are an English speaker: please join us.
All participants are encouraged to present in English. |
