LFU:online

Dieser Kurs bietet einen Zugang zu maschinellem Lernen der große Mächtigkeit und Flexibilität durch einen hierarchischen Ansatz ausgehend von einfachen Konzepten bietet. Diese einfachen Konzepte werden kombiniert um komplexere Schichten des Netzwerks zu verstehen. Studenten erwerben Wissen zu unterschiedlichen Netzwerkarchitekturen, Parameterwahl, Lernalgorithmen und Anwendungen.

Bereits als programmierbare Computer das erste mal angedacht wurden, stellte sich die Frage ob solche Maschinen intelligent werden können. Künstliche Intelligenz (KI) ist ein blühender Forschungszweig mit viel praktischer Relevanz und aktiven Forschungsthemen. KI Systeme müssen in der Lage sein selbstständig Wissen anhand von Mustern in Rohdaten extrahieren zu können. Diese Fähigkeit wird als maschinelles Lernen bezeichnet. Es kann sehr schwierig sein abstrakte Repräsentationen und Wissen aus Rohdaten zu extrahieren. Deep Learning versucht dieses Problem zu lösen indem abstraktes Wissen durch einfachere Repräsentationen abgebildet wird. Diese Repräsentationen sind in aufeinander aufbauende, hierarchische Schichten organisiert. Daher auch der Name Deep (tiefes) Lernen. In diesem Kurs werden Deep Feedforward Netze, Regularisierung, Optimierung, Convolutional Neural Networks, Recurrent Networks, Sparse Coding, Autoencoders und Deep Generative Models behandelt.

Motiviert durch praktische Anwendungen vermittelt die Vorlesung theoretisches Wissen, das im Rahmen des zugehörigen Proseminars in mündlichen und schriftlichen Übungen sowie Programmierprojekten zur Anwendung gebracht und vertieft wird.

Schriftliche Klausur

Deep Learning by Ian Goodfellow, Yoshua Bengio and Aaron Courville. MIT Press 2016.

Wahlmodul Einführung in Maschinelles Lernen

Vorlesung und Proseminar Deep Learning (VO2 + PS1) können als Wahlmodul im Bachelorstudium Informatik verwendet werden. Weitere Informationen über die 'Zuordnungsbestätigung' finden Sie auf der Website vom Institut für Informatik unter Anerkennungen.

Die Lehrveranstaltung ist als VO+PS konzipiert. Es wird davon ausgegangen, dass alle TeilnehmerInnen an beiden Teilen der Lehrveranstaltung teilnehmen. Teile dieser Lehrveranstaltung bauen auf Konzepten auf, wie sie in der Lehrveranstaltung Fortgeschrittenes Maschinelles Lernen (703642) vermittelt wurden.