Hauptinhalt

CS 593 — Neuronale Netze
(engl. Neural Networks)

Niveaustufe, VerpflichtungsgradVertiefungsmodul, 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: 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.
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

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 M.Sc. Mathematik kann das Modul im Studienbereich Nebenfach Informatik absolviert 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 Sommersemester 2018 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.