inf536 - Computational Intelligence II (Vollständige Modulbeschreibung)
| Modulbezeichnung | Computational Intelligence II |
| Modulkürzel | inf536 |
| Kreditpunkte | 6.0 KP |
| Workload | 180 h |
| Einrichtungsverzeichnis | Department für Informatik |
| Verwendbarkeit des Moduls |
|
| Zuständige Personen |
Kramer, Oliver (Modulverantwortung)
Lehrenden, Die im Modul (Prüfungsberechtigt)
|
| Teilnahmevoraussetzungen | |
| Kompetenzziele | In der Vorlesung „Convolutional Neural Networks“ lernen die Grundlagen von Convolutional Neural Networks, vom methodischen Verständnis bis zur Implementierung. **Fachkompetenzen** Die Studierenden erlernen die Fachkompetenz im Bereich Deep Learning, die wesentliche Qualifikationen als KI-Experte und Data Scienctist darstellen. **Methodenkompetenzen** Die Studierenden lernen die genannten Methoden sowie die Implementierung in Python, NymPy und Keras **Sozialkompetenzen** Die Studierenden werden dazu angehalten, in Gruppen die gelehrten Inhalte zu diskutieren und gemeinsam die Programmieraufgaben in den Übungen zu Implementieren. **Selbstkompetenzen** Die Studierenden werden zur eigenständigen Recherche zu weiterführenden Methoden angeleitet, da sich der Lehrbereich dynamisch ändert.. |
| Modulinhalte | Die Studierenden lernen die Grundlagen maschinellen Lernens und insbesondere die Themen vollvernetzte Schichten, Cross-Entropy, Backpropagation, SGD, Momentum, Adam, Batch Normalisierung, Regularisierung, Convolution, Pooling, ResNet, DenseNet und Convolutional SOMs |
| Literaturempfehlungen | Deep Learning von Aaron C. Courville, Ian Goodfellow und Yoshua Bengio |
| Links | |
| Unterrichtssprache | Englisch |
| Dauer in Semestern | 1 Semester |
| Angebotsrhythmus Modul | jährlich |
| Aufnahmekapazität Modul | unbegrenzt |
| Modullevel / module level | AS (Akzentsetzung / Accentuation) |
| Modulart / typ of module | je nach Studiengang Pflicht oder Wahlpflicht |
| Lehr-/Lernform / Teaching/Learning method | V+Ü |
| Vorkenntnisse / Previous knowledge | - inf535 Computational Intelligence I - Statistik |
| Lehrveranstaltungsform | Kommentar | SWS | Angebotsrhythmus | Workload Präsenz |
|---|---|---|---|---|
| Vorlesung | 2 | SoSe | 28 | |
| Übung | 2 | SoSe | 28 | |
| Präsenzzeit Modul insgesamt | 56 h | |||
| Prüfung | Prüfungszeiten | Prüfungsform |
|---|---|---|
| Gesamtmodul | Vorlesungsfreie Zeit im Anschluss des Semesters |
Klausur |