Nummer

ML-4103
Titel

Deep Learning (ehemals: Tiefe Neuronale Netze; INFO-4182)
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

In den letzten zehn Jahren haben sich tiefe neuronale Netze zu einem unverzichtbaren Werkzeug in vielen Bereichen der künstlichen Intelligenz entwickelt, darunter Computer Vision, Computergrafik, natürliche Sprachverarbeitung, Spracherkennung und Robotik. Dieser Kurs führt in die (praktischen und theoretischen) Grundlagen von tiefen neuronalen Netzen ein und gibt einen Überblick über die gängigsten Trainings- und Regularisierungstechniken. In der Vorlesung werden außerdem die wichtigsten Netzwerkvarianten besprochen, darunter Faltungsneuronale Netze, Generative Neuronale Netze, Rekurrente Neuronale Netze und Deep Reinforcement Learning. Darüber hinaus gibt der Kurs einen Überblick über die wichtigsten Architekturen (Sanduhrnetze, Skip-Verbindungen, dichte Verbindungen, dilatierte Faltungen, permutationsinvariante Netze, siamesische Netze, usw.). Darüber hinaus werden im Laufe des Kurses Anwendungen aus verschiedenen Bereichen vorgestellt. Die Tutorien vertiefen das Verständnis für tiefe neuronale Netze durch deren Implementierung, Training und Anwendung mit modernen Deep Learning Frameworks.

Kurs Webseite: https://uni-tuebingen.de/de/175884

Qualifikationsziele

Die Studierenden erhalten ein Verständnis der theoretischen und praktischen Konzepte tiefer neuronaler Netze, einschließlich Optimierung, Inferenz, Architekturen und Anwendungen. Nach diesem Kurs sollten die Studierenden in der Lage sein, tiefe neuronale Netze zu entwickeln und zu trainieren, Forschungsergebnisse zu reproduzieren und eigene Forschung in diesem Bereich zu betreiben.

Vergabe von Leistungspunkten/Benotung
Lehrform
Status
SWS
LP
Prüfungsform
Prüfungsdauer
Benotung
Berechnung
Modulnote (%)
Vorlesung
V
o
2
3.0
K
90
b
100
Übung
Ü
o
2
3.0
Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Geiger, Zell
Literatur / Sonstiges

Related literature will be listed throughout the lecture.

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV, ML-FOUND