Machine Learning - Deep Learning
Machine Learning - Deep Learning
Aktuelles
Dozent
Prof. Dr. Stefan Harmeling
Studiengang
Master-Studiengang Informatik
Kreditpunkte
5 LP
Lehrveranstaltungen
- Vorlesung "Machine Learning - Deep Learning", 2 SWS,
Mi. 08:30 - 10:00 Uhr, Hörsaal 2B - Übung, 2 SWS, Di. 14:30 - 16:00 Uhr, Hörsaal 5G
Inhalte
In diesem Modul werden die in dem Modul Machine Learning behandelten Verfahren vertieft und weiter entwickelt. Der Schwerpunkt liegt hierbei im Bereich Neuronale Netze und Deep Learning.
- Machine learning & neural networks
- Challenges of deep neural networks
- Deep belief networks
- Convolutional networks
- Auto-Encoders
- Training & Optimization techniques (dropout technique, batch normalization, distributed training, Hyper-parameter search)
- Anwendung von Deep learning in
- Computer Vision,
- Speech Recognition,
- Language Modeling
Lernergebnisse/Kompetenzen
Ziel dieser Veranstaltung ist es, Studierenden Einblicke in einige der wichtigsten Themen, Herausforderungen und aktuellen Entwicklungen im Bereich maschinelles Lernen zu vermitteln. Am Ende der Veranstaltung sollten Studierende komplexe Lernprobleme und die zu ihrer Lösung entwickelten Deep Learning Algorithmen nicht nur kennen, sondern sie auch selbstständig modifizieren und anwenden können.
Empfohlene Literatur
Der Kurs orientiert sich an aktuellen Veröffentlichungen, die zu Kursbeginn bekannt gegeben werden.
Verwendbarkeit des Moduls
- Wahlpflichtbereich Praktische oder Technische Informatik
- Schwerpunktbereich
- Individuelle Ergänzung
- Anwendungsfach für den Ergänzungsbereich im Master-Studiengang Mathematik
Teilnahmevoraussetzungen
Bachelor-Studierende müssen folgende Module erfolgreich abgeschlossen haben:
- "Programmierung"
- "Rechnerarchitektur"
- "Algorithmen und Datenstrukturen"
- "Theoretische Informatik"
- Hilfreich ist erfolgreicher Abschluss der Mathematik Module:
"Lineare Algebra", "Analysis", "Stochastic", "Numerik" und "Knowledge Discovery in Databases"
Empfohlene Vorkenntnisse
- "Machine Learning", "Computer Vision"
Voraussetzungen für die Vergabe von Kreditpunkten
- Aktive Teilnahme an den Übungen
- Erfolgreiches Bearbeiten der Übungsaufgaben
- Abschließende Prüfung (i.d.R. mündlich)
Häufigkeit des Angebots, modulare Schiene
Unregelmäßig
Modulbeauftragte und hauptamtliche Lehrende
Prof. Dr. Stefan Harmeling
Themen & Folien
Siehe oben unter Aktuelles.
Übungen
Siehe oben unter Aktuelles.