Loading
0000003678 20W 6SWS PR Praktikum - Deep Learning für Computer Vision und Biomedizin (IN0012, IN2106, IN4204)   Hilfe Logo

LV - Detailansicht

Wichtigste Meldungen anzeigenMeldungsfenster schließen
Allgemeine Angaben
Praktikum - Deep Learning für Computer Vision und Biomedizin (IN0012, IN2106, IN4204) 
0000003678
Praktikum
6
Wintersemester 2020/21
Informatik 9 - Lehrstuhl für Bildverarbeitung und Künstliche Intelligenz (Prof. Cremers)
(Kontakt)
Details
Angaben zur Abhaltung
AKTUALISIERTE BESCHREIBUNG!

BITTE LESEN SIE DIE GESAMTE KURSBESCHREIBUNG UND BEWERBEN SIE SICH PER EMAIL.

In diesem Praktikum werden wir Deep-Learning-Algorithmen für konkrete Anwendungen aus den Bereichen Computer Vision und Biomedizin entwickeln. Das Hauptziel des Praktikums ist es, praktische Erfahrung mit Deep Learning zu sammeln und seine Vorteile und Nachteile in der Anwendung auf konkrete, relevante Probleme zu lernen.

Die Themen umfassen:

- Grundlagen von maschinellem Lernen und tiefen neuronalen Netzen
- Standard- und fortgeschrittene Architekturen
- Aufgaben jenseits des überwachten Lernens
- Entwurf von Architekturen, Wahl der Kostenfunktion, Justierung von Hyperparametern

Die Projekte werden auf die Entwicklung neuartiger Lösungen für ECHTE OFFENE PROBLEME abzielen. Projekte mit unterschiedlichen interessanten Problemen und Datenrepräsentationen werden zur Auswahl gestellt.

Zu Vorbesprechung und Inhalt der Vorlesungen, siehe Praktikumswebseite:
https://vision.in.tum.de/teaching/ws2020/dlpractice
Gute Programmierkenntnisse. Bestreben, Wissen über die Lösung komplexer Probleme mittels maschinellem Lernen anzueignen und zu vertiefen. Leidenschaft für Mathematik. Das Praktikum wird sich auf praktische Projekte konzentrieren, daher ist Vertrautheit mit Python und Array-Programmierung in NumPy (oder Matlab oder Ähnlichem) von Vorteil. Weitere Voraussetzung: gute überfachliche Kompetenzen (oder Wille, sie schnell aufzubauen).

Vorwissen über maschinelles Lernen und Bildverstehen wird empfohlen/gefordert. Vorwissen über Biomedizin ist NICHT nötig und kann im Rahmen dieses Praktikums Wissen erworben werden. Die o.g. Anforderungen (z.B. gute Programmierkenntnisse, überfachliche Kompetenzen) sind hingegen Pflicht.

Wichtige Kompetenzen: Kommunikation, Identifikation von Unklarheiten, Formulierung präziser Fragen. Gute und strategische Kommunikation ist eine wichtige Regel.

Bitte denken Sie an die Bewerbung per Email.
Nach Abschluss des Moduls werden die Studierenden praktische Erfahrung bei der Lösung von Problemen großen Maßstabs mittels Deep Learning gesammelt haben. Sie werden ein neues Problem herausarbeiten und beurteilen können, angemessene Datenrepräsentationen erstellen und auswerten können, angemessene Methoden auswählen können, tiefe neuronale Netz-Architekturen und Trainings-Prozedere entwerfen können, Schwierigkeiten auffinden und beheben können, Ergebnisse evaluieren und präsentieren können.
Englisch

Die Vorlesungen werden sich den theoretischen Konzepten des Deep Learning widmen. Daraufhin werden Studierende während des Semesters in Gruppen und einzeln arbeiten, um an aus echten Problemen bestehenden Projekten zu arbeiten. Regelmäßige Kommunikation mit erfahrenen Tutoren wird sicherstellen, dass angemessene Ansätze verwendet und Lernziele erreicht werden.
Details
Für die Anmeldung zur Teilnahme müssen Sie sich in TUMonline als Studierende/r identifizieren.
Anmerkung: BITTE SENDEN SIE INFORMATIONEN ÜBER IHR VORWISSEN, INTERESSEN, NOTEN AN dlpractice@vision.in.tum.de . DIESE BEWERBUNG PER EMAIL IST WICHTIG, UM EINEN PLATZ IM PRAKTIKUM ZU BEKOMMEN.
Plätze werden durch das TUM-Matching-System (http://matching.in.tum.de) vergeben.
VORAUSSETZUNGEN: SIEHE OBEN.
Zusatzinformationen
- An den drei Vorlesungsterminen am Anfang des Praktikums behandelte Themen
- https://docs.scipy.org/doc/numpy/reference/arrays.indexing.html
- http://www.deeplearningbook.org/
- Ng: Machine Learning Yearning
- Christopher M. Bishop. “Pattern Recognition and Machine Learning”, Springer, 2006.
- Gute aktuelle Artikel
Weitere Informationen
Zusatzinformationen