Aufbauend auf dem Grundlagen-Modul "Neuronale Netze und Lernen", welches die grundlegende Theorie des maschinellen Lernens sowie einige grundlegende Ansätze behandelt hat, werden in diesem Modul thematische Vertiefungen zu folgenden Themenfeldern behandelt: Repräsentationen, Transformer-Architekturen für Sequenzen, Generative Modelle (Autoregressiv und GAN), Neuronaler Computer,
Reinforcement-Lernverfahren, Ausgewählte Theorieaspekte, Learning to Learn (Meta-L, One/Few-Shot-L), Ausblick und aktuelle Trends.
Building on lecture "Neuronale Netze und Lernen" this module offers advanced methods in these topic areas: representations, sequence-to-sequence transformer architectures, generative models (autoregressive and GAN), neural computer, reinforcement learning methods, selected theory aspects, learning-to-learn (meta-L,one/few-shot L), outlook and current trends.
Übungen/Exercises
Anstelle wöchentlicher Übungsaufgaben bearbeiten Sie ein Miniprojekt, reichen ihre Ergebnisse in Form einer schriftlichen Ausarbeitung ein und stellen das Projekt an einem Übungstermin interaktiv vor (ca. 15min).
Instead of weekly exercises you work on a miniproject and submit your results in an interactive presentation (ca. 15min).
Die Vorlesung wendet sich an einschlägig interessierte Studenten der Informatik, Mathematik und Linguistik im Hauptstudium. Notwendige Voraussetzungen: Vorlesung Neuronale Netze und Lernen.
The lecture adresses students of computer science, mathematics and linguistics within the master course. Prerequisite is basic background in Neural Networks and Learning, e.g. the lecture "Neuronale Netze und Lernen"
Ian Goodfellow, Yoshua Begio, Aaron Courville: Deep Learning, Springer
Bishop, Ch., "Pattern Recognition and Machine Learning", Springer
Sutton & Barto, "Reinforcement Learning: An Introduction", MIT Press
& weiterführende Literatur in den Themenkapiteln
Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum |
---|
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.
Anzahl Einzelleistungen (benotet und unbenotet)
eine benotete Einzelleistung/Nr. of single exams (w/without mark): one exam
Prüfungsformen/Types of exams
Variant(e) 1:
benotete mündliche Prüfung über die Inhalte der Vorlesung
/oral exam with mark about the lecture
Variant(e) 2:
Ausarbeitung und interaktive Kurzpräsentation (15min) eines "Miniprojekts"
Durchschnittsnote aus Note für Präsentation und Ausarbeitung
Written report and interactive presentation (15min) of a miniproject. Average from presentation and report marks.
Voraussetzungen für die Vergabe von Leistungspunkten/Conditions for credits:
Variant(e) 1: Bestehen der mündlichen Prüfung ergibt 5 LP/successful oral exam yields 5 credits
Variant(e) 2: Erfolgreiches Miniprojekt-Ausarbeitung und Kurzpräsentation ergibt 5 LP/successful miniproject report and presentation yields 5 credits
Zu dieser Veranstaltung existiert ein Lernraum im E-Learning System. Lehrende können dort Materialien zu dieser Lehrveranstaltung bereitstellen: