Was kommt zur VO - Pruefung?

[mowgly]

Hat zufaellig jemand alte POs zur Vorlesung oder weiss ungefaehr was kommen koennte und wie die Fragen in etwa aussehen?

[Lacrima]

schliesse mich dem wunsch an....

[buschti]

Letztes Jahr war es so, daß hauptsächlich die Sachen wichtig waren/gefragt wurden, die auch in den Abgabegesprächen gefragt worden sind. Die Fragen waren auch alle eher theoretischer Natur, also keine konkreten Rechenbeispiele.

[tivolo]

hab den allan nach der letzten VO gefragt, was ungefähr kommen wird.

er hat gemeint: 2 rechenbeispiele und 2-3 theoriefragen.
taschenrechner sind erlaubt (weil jmd. in der VO gefragt hat), also wirds wohl sicher was zum rechnen geben.


mfg,
tivolo

[Snot]

Hi,

ich war heute bei der VO Prüfung und folgendes ist gekommen, soweit ich mich dran erinnern kann :)

#########################################
(1)
Was ist ein Merkmal?
Wann ist ein Merkmal "gut"?
Wozu werden Merkmale in der Mustererkennung verwendet?

(2)
Erkennen von Dominosteinen. Es war eine Abbildung mit mehreren Dominosteinen und ein zugehöriges Histogramm für die Grauwertverteilung auf der Angabe und man sollte beschreiben wie man weiter vorgehen würde um die steine zu klassifizieren.
welche probleme oder schwierigkeiten man dabei haben kann.

(3)
a priori wahrscheinlichkeit
a posteriori wahrscheinlichkeit
unterschied
bayes theorem (Formel sollte man können)
bayes decision rule
conditional error (Formel sollte man können)
error rate (Formel sollte man können)

und zu dem ganzen ein rechenbeispiel, wie auf den VO Folien

(4)
Hier war zwischen zwei Fragen zu wählen:

ENTWEDER (a)
k-NN Klassifikator und Mahalanobis Distanz:
erklären was das ist, ob es parametrisch oder nicht-parametrisch ist
warum für k meist ungerade zahlen genommen werden
unterschied parametrische / nicht-parametrische Klassifikatoren
die beiden vergleichen (anhand von speicheraufwand und laufzeit)

ODER (b) [hab ich mir nicht so genau gemerkt]
Backpropagation Algorithmus
Verbesserungen desselben

(5)
Generalisierungsfähigkeit von Klassifikatoren
Bias, Varianz von Klassifikatoren erklären
Was in der Praxis gemacht wird um diese beiden zu minimieren
#########################################

allgemein kann ich nur sagen, daß die Prüfung ziemlich leicht ist wenn man sich die folien halbwegs genau durchschaut.

so das ist das woran ich mich noch erinnern kann
vielleicht hilfts ja wem :thumb:

lg

[thebigMuh]

Bei 4.) b.) war:

- Wie sind die Einheiten in einem Backpropagation Netz verbunden?
- Wie sehen die einzelnen Einheiten aus?
- Wie werden die Werte für eine Einheit berechnet?
- Wie wird die Ausgabe in einem Forward Pass berechnet?
- Wie wir der Fehler errechnet?
- Was sind Probleme in einem klassischen Backpropagation Netz?
- Welche Verbesserungsmöglichkeiten gibt es?

Und bei 5.) war noch alles Mögliche über Diskriminantenfunktionen, was sind Entscheidungsregionen/grenzen, etc...

War echt nicht schwer *freu*

Ciao, ¡muh!

[and_Y]

... War echt nicht schwer ...
Stimmt, war wirklich ok, die Prüfung.

Außergewöhnlich, dass man eine 2h lange Prüfung für eine 2 SWS VO hat ... aber das ist eh gut, denn je mehr Fragen es gibt, desto weniger zählen die, die man nicht (besonders gut) beantworten kann :D


Und die Ergebnisse erfahren wir schon am 2. Juli !?!?!