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.
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-AI-adv-foc Advanced Artificial Intelligence (focus) | Advanced Artificial Intelligence (focus): Vorlesung | benotete Prüfungsleistung
|
Studieninformation |
39-M-Inf-AI-bas Basics of Artificial Intelligence | Basics of Artificial Intelligence: Vorlesung | Studieninformation | |
- | unbenotete Prüfungsleistung | Studieninformation | |
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.
Zu dieser Veranstaltung existiert ein Lernraum im E-Learning System. Lehrende können dort Materialien zu dieser Lehrveranstaltung bereitstellen: