inf5400 - Fortgeschrittene Themen des angewandten Deep Learnings (Vollständige Modulbeschreibung)

Dieses Modul richtet sich an ein fortgeschrittenes Publikum und setzt ein solides Verständnis der Grundlagen des Machinellen Lernens voraus. Dabei sind Erfahrungen im Training von tiefen neuronalen Netzwerken essentiell.

Fachkompetenzen
Die Studierenden

• haben vertiefte Kenntnisse über ausgewählte Anwendungsbereiche des Deep Learnings. Sie kennen verschiedene Lösungsmöglichkeiten für Probleme in diesen Bereichen, kennen deren Vor- und Nachteile und können diese praktisch implementieren und auf eigene Problemstellungen adaptieren.

Methodenkompetenzen
Die Studierenden

• erarbeiten sich selbstständig unter Zuhilfenahme von Präsenzveranstaltungen, bereitgestellten Materialien und Fachliteratur theoretische und praktische Konzepte

Sozialkompetenzen
Die Studierenden

• können Lösungsansätze für Probleme in diesem Bereich im Plenum präsentieren und in Diskussionen verteidigen.

Selbstkompetenzen
Die Studierenden

• können ihre eigene Fach- und Methodenkompetenz einschätzen. Sie übernehmen die Verantwortung für ihre Kompetenzentwicklung und ihre Lernfortschritte und reflektieren diese selbstständig. Zudem erarbeiten sie selbstständig die Lerninhalte und können die Inhalte kritisch reflektieren

Diese Vorlesung baut auf das Modul „Angewandtes Deep Learning in PyTorch“ auf und behandelt aktuelle Forschungsthemen auf einem erhöhten Vertiefungsniveau. Wie im ersten Teil liegt ein besonderen Fokus auf der Vermittlung von praktischen Kenntnissen, die in praktischen Übungen erlernt und vertieft werden sollen.

Themengebiete, die in verschiedenen Instantiierungen des Moduls behandelt werden sollen, umfassen Deep Learning Methoden zur Analyse von Zeitreihen, Methoden des selbstüberwachten Lernens sowie moderne generative Modelle.

• Prince, S. J. (2023). Understanding deep learning. MIT press.
• Dawid, A.  & LeCun, Y. (2023). Introduction to Latent Variable Energy-Based Models: A Path Towards Autonomous Machine Intelligence. Les Houches Summer School on Statistical Physics and Machine Learning in 2022 https://arxiv.org/abs/2306.02572

Am Ende der Vorlesungszeit

Klausur / mündliche Prüfung / Projektarbeit