Maschinenbau, Master (PO-2023)
| Modulnummer / Modulcode | WP-LabDeepLearn |
|---|---|
| Modulname | Labor Deep Learning |
| Art des Moduls | Wahlpflicht |
| Lernergebnisse, Kompetenzen, Qualifikationsziele | Die Studierenden verfügen über die Kompetenz, maschinelle Lernprobleme mittels Deep-Learning-Verfahren zu lösen. Insbesondere werden Fähigkeiten zur wissenschaftlichen Kreativität und Innovation anhand konkreter, praxisbezogener Fragestellungen entwickelt. Darüber hinaus sind die Studierenden in der Lage, in wissenschaftlicher Vorgehensweise Experimente zu erstellen, durchzuführen und zu evaluieren. |
| Lehrveranstaltungsarten | Pr (4 SWS) |
| Lehrinhalte | Wiederholung Grundlagen Neuronale Netze; Deep-Learning-Modelle mit Optimierungsverfahren, wie z. B. Feed Forward Networks mit Cosine Annealing, Learning Rate Decay, Wahl der Größe von Neuronalen Netzen und Bestimmung der initialen Lernrate; Technische Grundlagen für Experimente (z. B. Optimierungen für GPU-gestützte Berechnungen); Weitere Netzarchitekturen wie z. B. CNN, Autoencoder, Rekurrente Netze; Classroom Competition / Projekt in technischer Anwendung wie z. B. Computer Vision oder andere aktuelle Forschungsthemen |
| Titel der Lehrveranstaltungen | Labor Deep Learning |
| Lehr- und Lernmethoden (Lehr- und Lernformen) | Vermittlung theoretischer Grundlagen von Neuronalen Netzen in vorlesungsähnlicher Weise; deutliche Zunahme des Anteils praktischer Anwendungen von den Lehrinhalten im Laufe des Labors; abschließendes Projekt / Competition mit Anwendung der Kenntnisse |
| Verwendbarkeit des Moduls | Master Informatik |
| Dauer des Moduls | Ein Semester |
| Häufigkeit des Angebotes | |
| Sprache | Deutsch / Englisch |
| Empfohlene (inhaltliche) Voraussetzungen für die Teilnahme am Modul | Module „Pattern Recognition and Machine Learning I“ oder entsprechende Kenntnisse aus anderen Lehrveranstaltungen |
| Voraussetzungen für die Teilnahme am Modul | keine |
| Studentischer Arbeitsaufwand | 180 Stunden (60h Präsenz + 120h Selbststudium) |
| Studienleistungen | Studienleistung S1: Erfolgreiche Bearbeitung von mindestens 50% der Übungsaufgaben bezogen auf die Gesamtpunktzahl |
| Voraussetzung für Zulassung zur Prüfungsleistung | Studienleistung S1 |
| Prüfungsleistungen | Ausarbeitung (ca. 20 Seiten) und Präsentation (ca. 20 Min.) zur Abschlussaufgabe |
| Anzahl Credits (ECTS) | 6 cp |
| Lehreinheit | Informatik |
| Modulverantwortliche/r | Prof. Dr. Bernhard Sick |
| Lehrende | Prof. Dr. Bernhard Sick und Mitarbeitende |
| Medienformen | Folien (Beamer), Tafel, Whiteboard, Buch u. a. |
| Literatur |
|