Loading
0000003425 20W 4SWS VI Machine Learning: Methods and Tools   Hilfe Logo

LV - Detailansicht

Wichtigste Meldungen anzeigenMeldungsfenster schließen
Allgemeine Angaben
Machine Learning: Methods and Tools 
0000003425
Vorlesung mit integrierten Übungen
4
Wintersemester 2020/21
... alle LV-Personen
Lehrstuhl für Entwurfsautomatisierung (Prof. Schlichtmann)
(Kontakt)
Details
Zuordnungen: 1 
Angaben zur Abhaltung
In WS 2020/21 the course is planned to be presented online and asynchronous, i.e., download times of videos are at the discretion of participants.
The exam is planned to be in written form and in physical presence (no warranty).

**Vorlesung, Übung und Praktikum**
Digitale Transformation und Maschinelles Lernen;
Python, Standardbibliotheken, SciPY und NumPy;
Theorie des Maschinellen Lernens, Regularisierung, Fehler und Rauschen;
Datenanalyse, Pre-Processing, Visualisierung:
Einführung in Algorithmen des Maschinellen Lernens;
Einführung in vorwärtsgekoppelte Neuronale Netze und faltende neuronale Netze, RNNs, LSTM;
Trainieren von neuronalen Netzen, Aufmerksamkeitsmodelle, unbeaufsichtiges Lernen, bestärkendes Lernen, Hyperparameter-Optimierung;
Kenntnisse in Linearer Algebra, Analysis und Statistik, Kenntnisse einer Programmiersprache z.B. C, C++, Java
Nach der Teilnahme an den Modulveranstaltungen kennt und beherrscht der Studierende in differenzierter Weise grundlegende Methoden und Algorithmen des Maschinellen Lernens. Er/sie ist in der Lage diese im Ingenieursalltag bei Entwurfsaufgaben der Mikroelektronik anzuwenden. Darüber hinaus ist er/sie in der Lage, sich in weitere Spezialgebiete des Maschinellen Lernens einzuarbeiten. Er/sie kennt die Einbettung des Maschinellen Lernens in die digitale Transformation und ist sich der gesellschaftlichen Chancen und Risiken bewusst.
Englisch

Vorlesung und Übung sind als interaktiver Frontalunterricht gestaltet. Durch Projektion von Folien und Tafelanschrieb werden in der Vorlesung die zu lehrenden Algorithmen Schritt für Schritt und unter Beteiligung der Lernenden entwickelt. In der Übung findet Arbeitsunterricht durch Vorrechnen und gemeinsames Rechnen von Aufgaben statt. Dabei werden Algorithmen beispielhaft und wiederholt eingesetzt.
Die Studierenden bereiten sich auf Vorlesung und Übung durch Studium der Unterlagen vor und bereiten durch Selbststudium den durchgenommenen Stoff nach. Eigene Literaturrecherchen sind Teil des Selbststudiums.
In einem Praktikumsteil werden den Studierenden praktische Probleme aus dem Bereich der Mikroelektronik zur selbständigen Lösung gestellt. Die gestellten Aufgaben umfassen praxisrelevante Anwendungen des Maschinellen Lernens beim automatischen Entwurf integrierter Schaltungen und Systeme.
Details
Für die Anmeldung zur Teilnahme müssen Sie sich in TUMonline als Studierende*r identifizieren.
Zusatzinformationen
Maschinelles Lernen - Grundlagen und Algorithmen in Python, Frochte J., Hanser Fachbuch
* Einführung in Python 3, Klein B., Hanser Fachbuch.
* Learning from Data, Abu-Mostafa, Yaser S. et al., AMLBook 2012.
* Deep Learning, Goodfellow, Ian et al, The MIT Press 2016.
* Machine learning: A probabilistic perspective, Murphy, Kevin P., The MIT Press 2013
Online Unterlagen
E-Learning Kurs (Moodle)