Neuroinformatics, 2016-04-26

Module: 
Neuroinformatics
Examiner: 
Gordon Pipa
Assessor: 
Kristoffer Appel
Date: 
Tue, 2016-04-26

VORBEREITUNG

Was hast du zur Prüfungsvorbereitung benutzt?
Was war hilfreich, was war weniger hilfreich?

Neuroinfo Skript
Neuroinfo Slides
Computer Vision Slides

PRÜFUNG

Fragensammlung: wie lauteten die Fragen im einzelnen?

Neuroinfo:
- Bayes erklären und herleiten (Summen- und Produktregel, Terme benennen)
- Maximum Likelihood, wie geht man da vor, was für eine Rolle spielen die einzelnen Terme bei Bayes?
- Was ist die Fischer Information?
- Was macht ein gutes Model aus (Generalization, etc.)?
- Wie findet man ein gutes Model (Cross-Validation, Deviance)?
- Was für Möglichkeiten gibt es für Models (Linear, B-Splines, etc. lokal vs. global)?
- Wie funktioniert Regularization?
- Wie findet man einen guten Wert für den Regularization Parameter (Performance vergleichen)
- Wie schätzt man die tatsächliche Performance des Models ab (Training Set, Cross-Validation Set zum Model erstellen + Optimieren, getrenntes Test Set für realistische Performance)
CV (Sampling Theorem):
- Sampling Theorem erklären
- Wie entsteht Aliasing, wo sind die Frequenzen des Störsignals (in Fourier-Space-Zeichnung zeigen)
- Wie kann man Aliasing verhindern (Auflösung verbessern, Bandbreite begrenzen, Low-Pass-Filter)
- Wie funktioniert das bei Kameras (Low-Pass-Filter-Linse vor Sensor)

Was musste schriftlich gelöst werden?

Nichts, habe allerdings Bayes und das Sampling Theorem zur Verdeutlichung aufgeschrieben/skizziert.

Persönlicher Kommmentar, Was war toll? Was war doof? Was war auffällig?

Total entspannt, nette Atmosphäre