I833 – Deep Learning
Modul
Deep Learning
Deep Learning |
Modulnummer
I833 [I-833]
Version: 1 |
Fakultät
Informatik/Mathematik
|
Niveau
Master
|
Dauer
1 Semester
|
Turnus
Sommersemester
|
Modulverantwortliche/-r
PD Prof. Dr.-Ing. habil. Hans-Joachim Böhme |
Dozent/-in(nen)
PD Prof. Dr.-Ing. habil. Hans-Joachim Böhme |
Lehrsprache(n)
Englisch |
ECTS-Credits
5.00 Credits |
Workload
150 Stunden |
Lehrveranstaltungen
4.00 SWS (2.00 SWS Vorlesung | 1.00 SWS Übung | 1.00 SWS Praktikum) |
Selbststudienzeit
90.00 Stunden |
Prüfungsvorleistung(en)
Keine
|
Prüfungsleistung(en)
Mündliche Prüfungsleistung |
Lehrform
Die Vorlesungen vermitteln Theorie, praktischen Hintergrund und typische Einsatzgebiete von Deep Learning. In den Übungen werden die Vorlesungsinhalte vertieft. Anhand konkreter Anwendungsfälle werden in den Praktika SW-Projekte konzipiert und umgesetzt. |
Medienform
|
Lehrinhalte/Gliederung
|
Qualifikationsziele
Nach Abschluss des Kurses kennen und verstehen die Studenten die mathematischen Grundlagen zur Thematik des Maschinellen Lernens mittels mehrschichtiger künstlicher neuronaler Netze bzw. des sog. Deep Learning. Die Studenten können neuronale Netzwerke analysieren, kennen die etabliertesten Architekturen und Strukturen, und wissen, für welche Anwendungsfälle man sie einsetzen kann. Sie sind sich außerdem über die Stärken und Schwächen von Deep Learning bewusst. Die Studenten werden in die Lage versetze, Deep Learning praxisnah und mit etablierten Softwaretools effektiv einzusetzen. |
Sozial- und Selbstkompetenzen
Keine Angabe
|
Besondere Zulassungsvoraussetzung
Keine Angabe
|
Empfohlene Voraussetzungen
|
Fortsetzungsmöglichkeiten
|
Literatur
wird in der Vorlesung bekanntgegeben |
Aktuelle Lehrressourcen
werden in der Vorlesung bekanntgegeben |
Hinweise
Keine Angabe
|
Link zu Kurs/Lernressourcen im OPAL
|