1. Probability Theory (M563, Bradley, Mo+Mi+Fr 10.10-11.00am)

Eine fortgeschrittene Mathevorlesung die den Themenbereich Wahrscheinlichkeitstheorie behandelt. So sind z.B. Kenntnisse der Masstheorie (measure theory) und der diskreten Wahrscheinichkeitstheorie und Statistik vorausgesetzt. Tiefergehend behandelt haben wir u.a. Markov Ketten, Borel-Cantelli Lemmata, Konvolution, Konvergenzen, Central Limit Theorem etc. Die Hausaufgaben haben es in sich, insbesondere weil das Textbuch ziemlich schwer zu lesen ist (man muss permanent Spruenge in der Beweisfuehrung fuellen). Die Vorlesung an sich ist eine typische Mathevorlesung. Der Professor schreibt an die Tafel als ob es um Leben und Tod ginge und die Studenten schauen sich dann zuhause an, was sie abgeschrieben haben. Da die Hausaufgaben sehr arbeits- und denkintensiv sind und 50% von der Endnote ausmachen, ist man angehalten den Stoff jede Woche durchzugehen und hat auch Erfolgserlebnisse, wenn man zwei Tage an den Hausaufgaben sass, aber dann auch alles geloest hat.

Textbook


2. Independent Study (Y790, Van Gucht, n.a.)

In Rahmen dieser 3 Kreditstunden kann man schon ein bisschen forschen und einen Paper ueber ein spezielles Themengebiet schreiben. Dirk Van Gucht ist mein persoenlicher Advisor und wir untersuchen im Moment eine Theorie ueber konditionelle Frequenzfunktionen zu entwickeln, die u.a. in dem Problembereich des "Frequent Itemset Minings" auftreten. Ich habe unten einige Paper verlinkt, die mit Funktionen (belief functions) zu tun haben, die wir versuchen mit Frequenzfunktionen in Verbindung zu bringen.

Paper1, Paper2, Paper3, Paper4

Der zweite Forschungsbereich in den ich interessiert bin und in dem ich mich weiter spezialisiere, ist "Natural Language Processing" (NLP) und der relativ neue Fachbereich "Cognitive Science" (Kognitionswissenschaft). Ich durfte gerade mit Professor Colin Allen und einem anderen Student ein "Grant Proposal" schreiben. Das Projekt, fuer das wir hoffen genug Forschungsgeld zu erhalten, dreht sich um die Stanford Encyclopedia of Philosophy. Wir werden versuchen, mit der Enzyklopaedie als Anwendungs- und Experimentiersystem, neue Methoden zur automatischen Generierung von Kreuz-Verlinkungen (automatic cross referencing) und zur Erstellung von Ontologien zu entwickeln und diese u.a. zur Verbesserung von Modellierung und Darstellung der Daten und fuer intelligentere Suchfunktionen zu nutzen. (keywords: information extraction, information retrieval, unsupervised clustering, information theoretic co-clustering, text categorization, hidden markov models for information extraction).

Wenn alles gut geht und wir den "Grant" erhalten, hoffen wir die Ergebnisse auf einer Konferenz fuer digitale Bibliotheken veroeffentlichen zu koennen. Colin Allen war Professor an der Texas A&M Universitaet und wechselte vur kurzem an die IUB, wegen deren tollen Cognitive Science Programs und brachte das Projekt mit (er ist associate editor und principal programmer der SEP). Da ich letztes Semester ein "Experiment System" fuer die Textklassifikation entwickelt habe und den anderen involvierten Studenten persoenlich kenne, bin ich auf diese wirklich tolle Projekt gestossen, das evtl. auch eine Kollaboration mit der Stanford University moeglich machen koennte. Sobald ich mehr weiss, werde ich das Proposal und alle anderen Dokumente hier veroeffentlichen.


3. Topics in Artificial Intelligence (B551, Cutzu, Di+Do 7.00-8.15pm)

Wie der Name des Kurses schon sagt, behandelt die Vorlesung Themen der Kuenstlichen Intelligenz. So z.B.:
Instance based learning; case based learning. Concept learning. Bayesian Decisison theory.Neural Networks. Statistical Learning; boosting. Support Vector Machines. Bayesian Learning. Stochastic Methods. Graphical Models. Computational Learning theory. Algorithm-independent machine learning. Unsupervised learning and clustering. Nicht sehr arbeitsintensiv aber ein trotzdem lehrreicher Kurs.

Textbook (u.a.)


4. B501 Theory of Computation - Teaching Assistant

Ich bin TA fuer die Vorlesung B501 Theory of Computation. Meine Aufgaben umfassen das Korrigieren der Hausaufgaben, das Erstellen und LaTeXen einiger Loesungen (der ersten 14), Office Hours fuer Studenten, die Fragen oder etwas nicht verstanden haben, und das halten von sogenannten Review Sessions vor Klausuren. Wer mehr Informationen ueber die Vorlesung haben moechte, der kann sich die Homepage (s.o.) anschauen. Das TeXen der Loesungen frisst ziemlich viel Zeit aber es macht Spass zu unterrichten, nicht nur weil man anderen Studenten helfen kann, sondern auch weil man selber die Materie besser verinnerlicht, wenn man sie verstaendlich erklaeren muss.

mat stopped here at 4:16 am 11/28/05