Start my eKVV Studieninformation Lernräume Prüfungsverwaltung Bewerbungs-/Statusportal Anmelden

392028 Grundlagen Neuronaler Netze (V) (SoSe 2017)

Inhalt, Kommentar

Neuronale Netze sind ein aktives Feld der Informatik und haben speziell in der Form von Deep Neural Networks in den letzten Jahren weitreichende neue Möglichkeiten in vielen Bereichen des Machine Learnings eröffnet, z.B. in der Spracherkennung und Computer Vision. Die Vorlesung vermittelt ein Verständnis der grundlegenden Konzepte neuronaler Informationsverarbeitung.

Ausgehend von Modellvorstellungen der Informationsverarbeitung in biologischen Neuronennetzen werden theoretische Grundlagen und Lernverfahren künstlicher neuronaler Netze dargestellt.
In praktischen Übungen wird das Gelernte vertieft und mit Hilfe von Simulationen in Python programmiertechnisch umgesetzt.

Inhaltlich führt die Veranstaltung zuerst überwachte Lernverfahren (supervised learning) ein, wie Regression und Klassifikation. Dazu werden verschiedene Neuronen-Modelle und Neuronale Netz-Modelle diskutiert (Perceptron, MLP). Im zweiten Teil liegt der Fokus auf unüberwachten Lernverfahren, zum Beispiel Self-Organizing Maps und Hebb-Lernen.

Summary: Neural networks have become a thriving field of computer science. In particular Deep Neural Network approaches have been quite successful over the last years in areas like computer vision or speech recognition. The lecture discusses basic notions and concepts underlying neural networks and learning of such systems, starting from supervised learning for regression and classification. It further introduces standard neural networks models, the perceptron and the multi-layer perceptron. Turning to unsupervised learning, several algorithms for vector quantization are introduced, Hebb-learning, and Self-Organizing Maps.

Teilnahmevoraussetzungen, notwendige Vorkenntnisse

Algorithmen und Datenstrukturen, Vertiefung Mathematik - Neural Networks is an applied math topic - make sure that you recall the necessary basic math.

Literaturangaben

Part of the lecture is based on the book on Deep Learning by I. Goodfellow, Y. Bengio and A.Courville, MIT Press, 2016. Part of the lecture will lean on C. Bishop, Pattern Recognition and Machine Learning, Springer 2006, in particular Chap. 1, Chap. 3.1-3.3 (linear models für regression), Chap 4.1. /4.2. (für classification) , Chap 5. (feedforward neural networks).
Furthermore, lecture notes (in English) are available.

Lehrende

Termine (Kalendersicht )

Rhythmus Tag Uhrzeit Format / Ort Zeitraum  

Zeige vergangene Termine >>

Klausuren

  • Keine gefunden

Fachzuordnungen

Modul Veranstaltung Leistungen  
39-Inf-NN Grundlagen Neuronaler Netze Neuronale Netze und Lernen I 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.

Studiengang/-angebot Gültigkeit Variante Untergliederung Status Sem. LP  
Studieren ab 50    
Veranstaltungen für Schülerinnen und Schüler   Bei Gruppen ab drei Personen ist eine vorherige Anmeldung in der ZSB erforderlich.  
Konkretisierung der Anforderungen

The lecture achieves 2 CP, the corresponding exercises 2 CP, and an oral exam, which is necessary to complete the modul, adds 1 CP. The detailed schedule for the exercises is
published through moodle.

Lernraum
Teilnehmer*innen
Automatischer E-Mailverteiler der Veranstaltung
Änderungen/Aktualität der Veranstaltungsdaten
Sonstiges