Deep Learning für Ingenieure
Winter
(engl. Deep Learning for Engineers )
Modulnummer: FIN-INF-110485 |
| Link zum LSF: | LSF |
| Verantwortung: | Sebastian Stober |
| Dozent:in: | Sebastian Stober |
| Lehrveranstaltungen: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
|
Kürzel DLFI |
CP 5 |
Semester Winter |
Fachsem. ab 3. |
Dauer 1 Semester |
Sprache deutsch |
Niveau Bachelor |
Angestrebte Lernergebnisse:
Die Studierenden ...
- können moderne Deep Learning Methoden für unterschiedliche Domänen sicher anwenden
- haben die Fähigkeit, aktuelle Forschung in diesem Bereich zu folgen
- kennen den Ablauf der Entwicklung von tiefen neuronalen Netzen.
Inhalt:
Einführung in den Lernprozess durch Backpropagation. Es werden essentielle Modellarchitekturen, wie MLP, RNN, CNN, Auto-Encoder und Transformer(Attention) vorgestellt und auf verschiedene Probleme angewendet. Hierbei werden die Lernparadigmen des überwachten und unüberwachten Lernens und deren Anwendungen vermittelt. Dies beinhaltet
auch Regularisierungen, fortgeschrittene Trainingsmethoden und Interpretierung von Lernkurven und Ergebnissen
Arbeitsaufwand:
- 56h Präsenzzeit (Vorlesung + Übung)
- 94h selbstständige Arbeit (Vor- und Nachbearbeitung von Vorlesung (OER) und Übung, Bearbeiten von Übungs- und Programmieraufgaben)
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur 120 Minuten
Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche.
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Maschinelles Lernen
|
| Medienformen: | Literatur: |
|
|
|
Hinweise: