Loading
0000003099 20W 6SWS PR Praktikum - Erstellung von Deep-Learning-Methoden (IN0012, IN2106, IN4292)   Hilfe Logo

LV - Detailansicht

Wichtigste Meldungen anzeigenMeldungsfenster schließen
Allgemeine Angaben
Praktikum - Erstellung von Deep-Learning-Methoden (IN0012, IN2106, IN4292) 
0000003099
Praktikum
6
Wintersemester 2020/21
Informatik 9 - Lehrstuhl für Bildverarbeitung und Künstliche Intelligenz (Prof. Cremers)
(Kontakt)
Details
Angaben zur Abhaltung
Die Verwendung von Deep Learning zur Lösung echter Probleme erfordert oft die Erstellung neuer Deep-Learning-Methoden und nicht nur die Verwendung fertiger existierender Architekturen. In diesem Praktikum werden die Studierenden ECHTE OFFENE PROBLEME auswählen und lernen, wie man sie analysiert, wie man Anforderungen an angemessene Deep-Learning-Methoden identifiziert, und wie man Deep-Learning-Methoden erstellt, die diese Anforderungen erfüllen.

Manche der zur Auswahl stehenden Projekte beinhalten auch die Analyse von Entwurfsprinzipien existierender Methoden und die Verwendung dieser Entwurfsprinzipien, um neue Methoden zu erstellen.

Zu Vorbesprechung und Inhalt der Vorlesungen, siehe Praktikumswebseite:
https://vision.in.tum.de/teaching/ws2020/create_dl
Gute Programmierkenntnisse. Bestreben, Wissen über die Lösung komplexer Probleme mittels maschinellem Lernen anzueignen und zu vertiefen. Leidenschaft für Mathematik. Vertrautheit mit Python und Array-Programmierung in NumPy (oder Matlab oder Ähnlichem) ist von Vorteil. Gute überfachliche Kompetenzen (oder Wille, sie schnell aufzubauen), insbesondere gute und strategische Kommunikation, Identifikation von Unklarheiten, Formulierung präziser Fragen.

Bitte denken Sie an die Bewerbung per Email.
Nach Abschluss des Moduls werden die Studierenden praktische Erfahrung bei der Erstellung von Deep-Learning-Methoden gesammelt haben. Sie werden ein neues Problem herausarbeiten und beurteilen können, angemessene Datenrepräsentationen erstellen und auswerten 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 echten Problemen 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 BEWERBEN SIE SICH PER EMAIL, SIEHE https://vision.in.tum.de/teaching/ws2020/create_dl
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