Hauptinhalt

CS 593 — Neuronale Netze
(engl. Neural Networks)

Niveaustufe, Verpflichtungsgrad	Vertiefungsmodul, Wahlpflichtmodul
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 (Einzelprüfung) oder Klausur
Sprache, Benotung	Englisch, Die Benotung erfolgt mit 0 bis 15 Punkten gemäß der Prüfungsordnung für den Studiengang M.Sc. Informatik.
Dauer des Moduls, Häufigkeit	Ein Semester, Jedes Sommersemester
Modulverantwortliche(r)	Prof. Dr. Dominik Heider

Inhalt

Biologische neuronalen Netze
Überwachte Lernverfahren
Unüberwachte Lernverfahren
Theoretische Analyse Neuronaler Netze
Deep Learning
Experimentdesign und Analyse
Möglichkeiten und Grenzen der Modelle

Qualifikationsziele

Die Studierenden

haben einen Einblick in die Theorie der neuronalen Netze sowie einen Überblick über die verschiedenen Architekturen, Möglichkeiten und Grenzen künstlicher neuronaler Netze,
kennen überwachtes Lernen und Deep Learning
sind in der Lage, ausgehend von einer konkreten Problemstellung eine datengetriebene Lösung für künstliche Neuronale Netze unter Verwendung von vorgegebenen Programmbibliotheken zu entwerfen,
sind in der Lage, wissenschaftliche Arbeitsweisen beim eigenständigen Erkennen, Formulieren und Lösen von Problemen anzuwenden,
sind in der Lage über wissenschaftliche Inhalte frei zu sprechen, sowohl vor einem Publikum als auch in einer Diskussion.

Voraussetzungen

Keine. Empfohlen werden die Kompetenzen, die in den Modulen Maschinelles Lernen und Grundlagen der Statistik vermittelt werden.

Verwendbarkeit

Importmodul aus dem M.Sc. Informatik.

Es 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 LAaG Informatik kann das Modul im Studienbereich Vertiefungsbereich absolviert werden.

Literatur

Ian Goodfellow "Deep Learning. Das umfassende Handbuch: Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze" MIT Press
Charu C. Aggarwal "Neural Networks and Deep Learning: A Textbook" Springer.

Bitte beachten Sie:

Diese Seite beschreibt ein Modul gemäß dem im Wintersemester 2023/24 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.