Deep Learning

Deep Learning (mit Rafael Ehren)

Montag, 14:30-16:00, Raum 2321.04.22
Dienstag, 14:30-16:00, Raum 23.21.00.97

Ziel dieses Kurses ist es, die state-of-the-art Techniken neuronaler Netze einerseits zu verstehen, andererseits praktisch zu implementieren. Kursinhalte sind werden unten angegeben. Training und Implementierung neuronaler Netze wird mit Python und PyTorch (einer Python-Bibliothek) umgesetzt werden. Montag werden – tendenziell – eher theoretische Grundlagen besprochen, Dienstag wird – tendenziell – programmiert.

Kursmaterialen finden sich auf Rafael Ehrens Seite.

Inhalte

Die theoretischen Inhalte finden sich in diesem Skript (Vorsicht, ändert sich öfters mal!)

Theoretische Lösung LSTM

Formalia

Es gibt jede Woche Hausaufgaben (meistens Programmieraufgaben).

Bedingung für den BN ist die Bearbeitung der Hausaufgabe (3 Punkte System; Sie brauchen die Hälfte)

Bedingung für die AP ist ein Projekt mit einem Term Paper: Sie implementieren ein DL-Modell zu einem Thema Ihrer Wahl, und schreiben dazu einen Artikel, in dem Sie Motivaton, Methode und Ergebnisse zusammenfassen, nach dem Vorbild eines Forschungsartikels. Das Projekt können Sie gern in einer Gruppe bearbeiten!