PDF

MODULBESCHREIBUNG

Deep Learning

Kurzzeichen:
M_DL
Durchführungszeitraum:
FS 2019 - FS 2019
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:
Guido Schuster
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, multivariable 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
Modultyp:
Standard-Modul für Elektrotechnik (Bachelor 14) (Keine Semester Empfehlung)
Standard-Modul für Informatik (Bachelor 11) (Keine Semester Empfehlung)
Standard-Modul für Informatik (Bachelor 14) (Keine Semester Empfehlung)
Standard-Modul für Data Engineering & Machine Intelligence (Bachelor 14)

ECTS-Punkte pro Kategorie

Kategorie:
Elektrotechnik (Bachelor 14)
Aufbau Elektrotechnik / 4 Punkte
Technik / 4 Punkte
Informatik (Bachelor 11)
Aufbau Informatik / 4 Punkte
Informatik (Bachelor 14)
Grundlagen Informatik und Aufbau Informatik / 4 Punkte
Data Engineering & Machine Intelligence (Bachelor 14)

Modulbewertung

Bewertungsart:
Note von 1 - 6

Leistungsbewertung

Während der Prüfungssession:
Schriftliche Prüfung, 120 Minuten
Zulassungsbedingungen zur Prüfung:

Testat


Während des Semesters:
 
Bewertungsart:
keine Note oder Wertung

Kurse in diesem Modul

Deep Learning

Kürzel:
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:
Vorlesung mit 2 Lektionen pro Woche
Praktikum mit 2 Lektionen pro Woche
Beschreibung erzeugt: 2018-12-14 12:01:02
Letzte Moduländerung: 2018-02-07 11:18:26
Modul-Id: 31834 (Vorgänger)
Status: aktiviert