392221 Deep Learning (V) (WiSe 2018/2019)

Inhalt, Kommentar

The lecture introduces the basic concepts of deep learning, in particular different popular architectures including restricted Boltzmann machines, convolutional neural networks, stacked autoencoders (as concerns feedforward models), and long short term memory models and recursive networks (as concerns recurrent models). Different tricks for training are introduced including optimiziation schemes such as ADAM, and training modi such as drop-out, and training set enhancement. Popular applications such as for image recognition will be discussed. On a practical side,mostly TensorFlow will be used with Keras as API.

Teilnahmevoraussetzungen, notwendige Vorkenntnisse

Programmierkenntnisse (Python oder vergleichbar), Grundlagen Mathematik, Grundlagen maschinelles Lernen (etwa Neuronale Netze oder Einführung maschinelles Lernen)

Lehrende

Termine ( Kalendersicht )

Rhythmus Tag Uhrzeit Format / Ort Zeitraum  

Zeige vergangene Termine >>

Fachzuordnungen

Modul Veranstaltung Leistungen  
39-Inf-AKS Anwendungen Kognitiver Systeme Maschinelles Lernen im Web oder Modern Data Analysis oder Softcomputing für die Bioinformatik unbenotete Prüfungsleistung
benotete Prüfungsleistung
Studieninformation
39-M-Inf-DL Deep Learning Deep Learning benotete Prüfungsleistung
Studieninformation

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


Students are able distinguish different key architectures for deep learning, and they know the learning scenarios where these architectures can be used. The students know how to train a deep architecture, both, as regards the algorithmic pipeline and possible forms of implementation using modern systems.

Lernraum (E-Learning)

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

registrierte Anzahl: 124
Dies ist die Anzahl der Studierenden, die die Veranstaltung im Stundenplan gespeichert haben. In Klammern die Anzahl der über Gastaccounts angemeldeten Benutzer*innen.
Adresse:
WS2018_392221@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_135897891@ekvv.uni-bielefeld.de
Reichweite:
56 Studierende direkt per E-Mail erreichbar
Hinweise:
Weitere Hinweise zu den E-Mailverteilern
E-Mailarchiv
Anzahl der Archiveinträge: 0
E-Mailarchiv öffnen
Letzte Änderung Grunddaten/Lehrende:
Montag, 25. Juni 2018 
Letzte Änderung Zeiten:
Montag, 18. Februar 2019 
Letzte Änderung Räume:
Montag, 18. Februar 2019 
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=135897891
Seite zum Handy schicken
Klicken Sie hier, um den QR Code zu zeigen
Scannen Sie den QR-Code: QR-Code vergrößern
ID
135897891
Zum Seitenanfang