We will introduce the basic concepts of neural networks and some standard architectures of deep networks. We will discuss some application of deep networks in physics, including data analysis, solving ordinary differential equations and simulating statistical models. We will use python to implement deep networks within hands-on exercises.
Basic knowledge of Linear Algebra and Python are recommended but not necessary.
Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum |
---|
Modul | Veranstaltung | Leistungen | |
---|---|---|---|
28-M-VP Vertiefung | Vertiefung (B.1) | benotete Prüfungsleistung
|
Studieninformation |
Vertiefung (B.2) | benotete Prüfungsleistung
|
Studieninformation | |
Vertiefung (B.3) | benotete Prüfungsleistung
|
Studieninformation | |
Vertiefung (B.4) | benotete Prüfungsleistung
|
Studieninformation | |
Vertiefung (B.5) | benotete Prüfungsleistung
|
Studieninformation | |
Übungen zu Vertiefung (B.1) | Studienleistung
|
Studieninformation | |
Übungen zu Vertiefung (B.2) | Studienleistung
|
Studieninformation | |
Übungen zu Vertiefung (B.3) | Studienleistung
|
Studieninformation | |
Übungen zu Vertiefung (B.4) | Studienleistung
|
Studieninformation | |
Übungen zu Vertiefung (B.5) | Studienleistung
|
Studieninformation | |
28-MDP_a Methoden der Physik | Angewandte Physik | Studienleistung
|
Studieninformation |
Die verbindlichen Modulbeschreibungen enthalten weitere Informationen, auch zu den "Leistungen" und ihren Anforderungen. Sind mehrere "Leistungsformen" möglich, entscheiden die jeweiligen Lehrenden darüber.
Zu dieser Veranstaltung existiert ein Lernraum im E-Learning System. Lehrende können dort Materialien zu dieser Lehrveranstaltung bereitstellen:
Diese Veranstaltung verfügt über eine Videokonferenz. Um die Videokonferenzdaten zu sehen, müssen Sie die Veranstaltung in Ihrem eKVV Stundenplan speichern. Bei einer Veranstaltung mit Teilnahmemanagement müssen Sie außerdem von den Lehrenden als teilnehmend eingetragen werden.