Stud.IP Uni Oldenburg
Universität Oldenburg
06.12.2021 19:15:20
inf536 - Computational Intelligence II (Vollständige Modulbeschreibung)
Originalfassung Englisch PDF Download
Modulbezeichnung Computational Intelligence II
Modulkürzel inf536
Kreditpunkte 6.0 KP
Workload 180 h
Einrichtungsverzeichnis Department für Informatik
Verwendbarkeit des Moduls
  • Master Applied Economics and Data Science (Master) > Data Science
  • Master Engineering of Socio-Technical Systems (Master) > Embedded Brain Computer Interaction
  • Master Engineering of Socio-Technical Systems (Master) > Human-Computer Interaction
  • Master Informatik (Master) > Angewandte Informatik
  • Master Umweltmodellierung (Master) > Mastermodule
  • Master Wirtschaftsinformatik (Master) > Akzentsetzungsmodule der Informatik
Zuständige Personen
Lehrenden, Die im Modul (Prüfungsberechtigt)
Kramer, Oliver (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