MODULBESCHREIBUNG

Deep Learning

Kurzzeichen:
M_DL
Durchführungszeitraum:
FS/18
ECTS-Punkte:
4
Lernziele:

The goal is to enable the students to understand the fundamental Deep Learning algorithms for large datasets. To this end, the theory of these algorithms is developed in the lectures and during the practice sessions, many such data sets are analyzed.

Verantwortliche Person:
Schuster Guido
Empfohlene Module:
Zusätzlich vorausgesetzte Kenntnisse:
  • Since this module is taught in English, a reasonable command of the English language is required
  • Knowledge of linear algebra, calculus and probability theory is required to be able to follow the lectures
  • The book has a website http://www.deeplearningbook.org/ where the complete book can be read. Note we will cover most of Part I and Part II in this module
  • Please go to the website and browse through the book to get an understanding of the complexity of the material covered in this module
Skriptablage:
Modultyp:
Standard-Modul für Elektrotechnik STD_05(Keine Semester Empfehlung)
Standard-Modul für Elektrotechnik STD_14(Keine Semester Empfehlung)
Standard-Modul für Informatik STD_05(Keine Semester Empfehlung)
Standard-Modul für Informatik STD_11(Keine Semester Empfehlung)
Standard-Modul für Informatik STD_14(Keine Semester Empfehlung)

ECTS-Punkte pro Kategorie

Kategorie:
Technik / 4 Punkte
Aufbau Elektrotechnik / 4 Punkte
Technik / 4 Punkte
Aufbau Informatik / 4 Punkte
Aufbau Informatik / 4 Punkte
Grundlagen Informatik und Aufbau Informatik / 4 Punkte

Modulbewertung

Bewertungsart:
Note von 1 - 6

Leistungsbewertung

Während der Prüfungssession:
Schriftliche Prüfung, 120 Minuten

Kurse in diesem Modul

Deep Learning

Kurzzeichen:
DL
Lernziele:

Knowledge of the Deep Learning approaches for large data sets and the ability to apply the appropriate algorithm for successfully solving a given machine learning problem.

Plan und Lerninhalt:

• Review Linear Algebra, Probability and Numerical Computation
• Machine Learning Basics
• Deep Feedforward Networks
• Regularization for Deep Learning
• Optimization for Training Deep Models
• Convolutional Networks
• Sequence Modeling
• Practical Methodology
The module is based on the excellent book: "Deep Learning" from Ian
Goodfellow, Yoshua Bengio and Aaron Courville.

Kursart:

(Durchführung gemäss Stundenplan)

Vorlesung mit 2 Lektionen pro Woche
   - Max. Teilnehmer: 80
   - Harte Grenze: ja
Praktikum mit 2 Lektionen pro Woche
   - Max. Teilnehmer: 16
   - Harte Grenze: ja