Deep Learning
Dozent:innen: Univ.-Prof. Dr. Andreas HildebrandtKurzname: 08.079.20599
Kurs-Nr.: 08.079.20599
Kurstyp: Vorlesung/Übung
Voraussetzungen / Organisatorisches
Grundkenntnisse in:- Maschinellem Lernen
- lineare Algebra
- Wahrscheinlichkeitstheorie
Programmierkenntnisse in Python
Verwendung von Jupyter Notebooks
Digitale Lehre
Die Veranstaltung ist in Präsenz geplant. Für die Organisation verwenden wir Teams. Mit folgendem Code könnt ihr dem entsprechenden Team beitreten: sky1ybwEmpfohlene Literatur
- [url=https://udlbook.github.io/udlbook/]Understanding Deep Learning von Simon J.D. Prince- [/url]Dive into Deep Learning von Aston Zhang, Zachary C. Lipton, Mu Li and Alexander J. Smola
Inhalt
Deep Learning - Praxis und TheorieWas genau sind Neuronale Netze und wie trainiert man diese Modelle? Wie kann man die Performance messen und verbessern?
Die Ergebnisse von Deep Learning sind längst ein fester Teil unserer Lebensrealität geworden. Ein Beispiel für das Ergebnis ist die folgende Veranstaltungsbeschreibung (in kursiv, generiert mit Chat-GPT 3):
Die Lehrveranstaltung "Deep Learning" bietet Studierenden eine tiefgehende Einführung in die Grundlagen und fortgeschrittenen Konzepte des Deep Learning. Sie basiert auf den Erkenntnissen aus "Understanding Deep Learning" und "Dive into Deep Learning" und ermöglicht es den Teilnehmern, die Theorie hinter neuronalen Netzen sowie deren praktische Anwendung zu verstehen und zu vertiefen.
Der Kurs beginnt mit den grundlegenden Konzepten des Deep Learning, wie dem Aufbau von neuronalen Netzen, Aktivierungsfunktionen und Optimierungsmethoden. Schritt für Schritt werden die Teilnehmer in tiefere Themen wie Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs) und den Einsatz von Transfer Learning eingeführt.
Zudem lernen die Studierenden, wie Deep Learning in verschiedenen Bereichen wie Bildverarbeitung, Sprachverarbeitung und generativen Modellen (z.B. GANs) angewendet wird. Durch eine praxisnahe Einführung in moderne Bibliotheken wie TensorFlow und PyTorch wird die theoretische Grundlage mit praktischen Übungen ergänzt, die das Gelernte festigen.
Lernziele:
Verständnis der mathematischen und konzeptionellen Grundlagen von Deep Learning.
Fähigkeit, einfache und komplexe neuronale Netze zu implementieren und zu trainieren.
Kenntnis über moderne Deep-Learning-Architekturen und deren Anwendung.
Fähigkeit, Deep-Learning-Modelle auf reale Probleme anzuwenden und deren Leistung zu evaluieren.
Nutzung von Frameworks wie TensorFlow und PyTorch zur Implementierung von Deep-Learning-Modellen.
Hinweis:
Es gibt dieses Wintersemester eine weitere Vorlesung "Deep Learning - Theorie und Praxis", die von Prof. Wand angeboten wird (Jogustine Veranstaltungsbeschreibung).
Der Schwerpunkt seiner Lehrveranstaltung liegt in der Theorie und der Analyse bzw. er wird der Frage nachgehen, wie und warum tiefe Netze funktionieren.
Termine
| Datum (Wochentag) | Zeit | Ort |
|---|---|---|
| 24.10.2024 (Donnerstag) | 12:15 - 13:45 | 03 428 2413 - Neubau Physik/Mathematik |
| 31.10.2024 (Donnerstag) | 12:15 - 13:45 | 03 428 2413 - Neubau Physik/Mathematik |
| 07.11.2024 (Donnerstag) | 12:15 - 13:45 | 03 428 2413 - Neubau Physik/Mathematik |
| 14.11.2024 (Donnerstag) | 12:15 - 13:45 | 03 428 2413 - Neubau Physik/Mathematik |
| 21.11.2024 (Donnerstag) | 12:15 - 13:45 | 03 428 2413 - Neubau Physik/Mathematik |
| 28.11.2024 (Donnerstag) | 12:15 - 13:45 | 03 428 2413 - Neubau Physik/Mathematik |
| 05.12.2024 (Donnerstag) | 12:15 - 13:45 | 03 428 2413 - Neubau Physik/Mathematik |
| 12.12.2024 (Donnerstag) | 12:15 - 13:45 | 03 428 2413 - Neubau Physik/Mathematik |
| 19.12.2024 (Donnerstag) | 12:15 - 13:45 | 03 428 2413 - Neubau Physik/Mathematik |
| 09.01.2025 (Donnerstag) | 12:15 - 13:45 | 03 428 2413 - Neubau Physik/Mathematik |
| 16.01.2025 (Donnerstag) | 12:15 - 13:45 | 03 428 2413 - Neubau Physik/Mathematik |
| 23.01.2025 (Donnerstag) | 12:15 - 13:45 | 03 428 2413 - Neubau Physik/Mathematik |
| 30.01.2025 (Donnerstag) | 12:15 - 13:45 | 03 428 2413 - Neubau Physik/Mathematik |
| 06.02.2025 (Donnerstag) | 12:15 - 13:45 | 03 428 2413 - Neubau Physik/Mathematik |