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.