Hauptinhalt

Dieser Eintrag ist aus dem Sommersemester 2021 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.
Ursprung 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.


Verwendbarkeit

Das Modul kann im FB12 verwendet werden im Studiengang bzw. in den Studiengängen

  • B.Sc. Informatik
  • M.Sc. Data Science
  • M.Sc. Informatik
  • M.Sc. Mathematik
  • M.Sc. Wirtschaftsmathematik
  • LAaG Informatik

Im Studiengang M.Sc. Informatik kann das Modul im Studienbereich Vertiefungsbereich Informatik absolviert werden.

Das Modul kann auch in anderen Studiengängen absolviert werden (Exportmodul).

Das Modul ist der Praktischen Informatik zugeordnet. Weitere Informationen zur Wählbarkeit sind der Bereichsbeschreibung zu entnehmen.


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 Sommersemester 2021 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.