Hauptinhalt

Dieser Eintrag ist aus dem Wintersemester 2019/20 und möglicherweise veraltet. Ein aktuelles Äquivalent finden Sie hier.

CS 593 — Neuronale Netze
(engl. Neural Networks)

Niveaustufe, Verpflichtungsgrad Vertiefungsmodul, abhängig vom importierenden Studiengang
Lehr- und Lernformen,
Arbeitsaufwand
Vorlesung (2 SWS), Übung (2 SWS),
180 Stunden (60 Std. Präsenzzeit, 120 Std. Selbststudium)
Leistungspunkte,
Voraussetzungen zum Erwerb
6 LP
Studienleistung(en): Erreichen von mindestens 50 Prozent der Punkte aus den wöchentlich zu bearbeitenden Übungsaufgaben und mündliche Präsentation der Lösung von mindestens zwei der Übungsaufgaben.
Prüfungsleistung: Mündliche Prüfung oder Klausur
Sprache,
Benotung
Deutsch,
Die Benotung erfolgt mit 0 bis 15 Punkten gemäß der Prüfungsordnung für den Studiengang M.Sc. Informatik.
Exportfach, Ursprung Informatik, M.Sc. Informatik
Dauer des Moduls,
Häufigkeit
Ein Semester,
Jedes Sommersemester
Modulverantwortliche(r) Prof. Dr. Alfred Ultsch

Inhalt

  • Biologische neuronalen Netze
  • Überwachte Lernverfahren
  • Unüberwachte Lernverfahren
  • Theoretische Analyse Neuronaler Netze
  • Selbstorganisation und Emergenz
  • Experimentdesign und Analyse
  • Möglichkeiten und Grenzen der Modelle

Qualifikationsziele

Die Studierenden sollen

  • einen Einblick in die Theorie der neuronalen Netze sowie einen Überblick über die verschiedenen Architekturen, Möglichkeiten und Grenzen künstlicher neuronaler Netze besitzen,
  • neben den gebräuchlichen überwacht lernenden Netzen Kenntnisse zu unüberwacht lernenden neuronalen Netze und das Paradigma der Selbstorganisation und Emergenz erwerben,
  • ausgehend von einer konkreten Problemstellung in der Lage sein eine datengetriebene Lösung für künstliche Neuronale Netze unter Verwendung von vorgegebenen Programmbibliotheken zu entwerfen,
  • wissenschaftlicher Arbeitsweisen einüben (Erkennen, Formulieren, Lösen von Problemen, Schulung des Abstraktionsvermögens),
  • mündliche Kommunikationsfähigkeit in den Übungen durch Einüben der freien Rede vor einem Publikum trainieren.

Voraussetzungen

Keine. Empfohlen werden die Kompetenzen, die in den Basismodulen zur Informatik vermittelt werden.


Literatur

  • N. Cristianini and J. Shawe-Taylo: An Introduction to Support Vector Machines and Other Kernel-based Learning Methods, Cambridge University Press, 2000. Raul Rojas: Theorie der neuronalen Netze, Springer.
  • Ritter, H: Neuronale Nezte, Addison-Wesley.



Bitte beachten Sie:

Diese Seite beschreibt ein Modul gemäß dem im Wintersemester 2019/20 aktuellsten gültigen Modulhandbuch. Die meisten für ein Modul gültigen Regeln werden nicht durch die Prüfungsordnung festgelegt, und können daher von Semester zu Semester aktualisiert werden. Folgende Versionen liegen im Online-Modulhandbuch vor:

Das Modulhandbuch enthält alle Module, unabhängig vom aktuellen Veranstaltungsangebot, vergleichen Sie dazu bitte das aktuelle Vorlesungsverzeichnis in Marvin.

Die Angaben im Online-Modulhandbuch wurden automatisch erstellt. Rechtsverbindlich sind die Angaben der Prüfungsordnung. Wenn Ihnen Unstimmigkeiten oder Fehler auffallen, sind wir für Hinweise dankbar.