392132 Theory of Deep Neural Networks (V) (WiSe 2022/2023)

Inhalt, Kommentar

This lecture offers a journey through recent approaches towards a deeper theoretical understanding of deep neural networks. The lecture will proceed mainly along a "theory backbone" provided in the recent book "The principles of deep learning theory" by Roberts, Yaida and Hanin (2021), but, whenever apt, meandering into selected papers to deepen additional aspects. A major strategy will be to develop analytical methods for certain limiting cases of neural network architectures (linear, vanishing width/depth ratio) in order to gain insights about properties of real networks that are "close" to such cases. The developed formalisms draw heavily on methods from theoretical physics developed to connect microscopic and macroscopic scale descriptions of multiparticle systems and, thereby, expose interesting analogies between the behavior of deep networks and physical phenomena in multiparticle systems.

Prerequisites are a solid background in linear algebra, multivariate calculus and rudimentary probability theory.

Teilnahmevoraussetzungen, notwendige Vorkenntnisse

Prerequisites are a solid background in linear algebra, multivariate calculus and rudimentary probability theory.

Lehrende

Termine ( Kalendersicht )

Rhythmus Tag Uhrzeit Format / Ort Zeitraum  

Zeige vergangene Termine >>

Fachzuordnungen

Modul Veranstaltung Leistungen  
39-M-Inf-VML Vertiefung Maschinelles Lernen Vertiefung Maschinelles Lernen Studieninformation

Die verbindlichen Modulbeschreibungen enthalten weitere Informationen, auch zu den "Leistungen" und ihren Anforderungen. Sind mehrere "Leistungsformen" möglich, entscheiden die jeweiligen Lehrenden darüber.


Keine Konkretisierungen vorhanden

Lernraum (E-Learning)

Zu dieser Veranstaltung existiert ein Lernraum im E-Learning System. Lehrende können dort Materialien zu dieser Lehrveranstaltung bereitstellen:

registrierte Anzahl: 19
Dies ist die Anzahl der Studierenden, die die Veranstaltung im Stundenplan gespeichert haben. In Klammern die Anzahl der über Gastaccounts angemeldeten Benutzer*innen.
Adresse:
WS2022_392132@ekvv.uni-bielefeld.de
Lehrende, ihre Sekretariate sowie für die Pflege der Veranstaltungsdaten zuständige Personen können über diese Adresse E-Mails an die Veranstaltungsteilnehmer*innen verschicken. WICHTIG: Sie müssen verschickte E-Mails jeweils freischalten. Warten Sie die Freischaltungs-E-Mail ab und folgen Sie den darin enthaltenen Hinweisen.
Falls die Belegnummer mehrfach im Semester verwendet wird können Sie die folgende alternative Verteileradresse nutzen, um die Teilnehmer*innen genau dieser Veranstaltung zu erreichen: VST_367795651@ekvv.uni-bielefeld.de
Reichweite:
19 Studierende direkt per E-Mail erreichbar
Hinweise:
Weitere Hinweise zu den E-Mailverteilern
E-Mailarchiv
Anzahl der Archiveinträge: 1
E-Mailarchiv öffnen
Letzte Änderung Grunddaten/Lehrende:
Montag, 26. Juni 2023 
Letzte Änderung Zeiten:
Donnerstag, 20. Oktober 2022 
Letzte Änderung Räume:
Donnerstag, 20. Oktober 2022 
Art(en) / SWS
V / 2
Sprache
Diese Veranstaltung wird komplett in englischer Sprache gehalten
Einrichtung
Technische Fakultät
Fragen oder Korrekturen?
Fragen oder Korrekturwünsche zu dieser Veranstaltung?
Planungshilfen
Terminüberschneidungen für diese Veranstaltung
Link auf diese Veranstaltung
Wenn Sie diese Veranstaltungsseite verlinken wollen, so können Sie einen der folgenden Links verwenden. Verwenden Sie nicht den Link, der Ihnen in Ihrem Webbrowser angezeigt wird!
Der folgende Link verwendet die Veranstaltungs-ID und ist immer eindeutig:
https://ekvv.uni-bielefeld.de/kvv_publ/publ/vd?id=367795651
Seite zum Handy schicken
Klicken Sie hier, um den QR Code zu zeigen
Scannen Sie den QR-Code: QR-Code vergrößern
ID
367795651
Zum Seitenanfang