inf5450 - Aktuelle Themen des angewandten Deep Learnings (Vollständige Modulbeschreibung)

inf5450 - Aktuelle Themen des angewandten Deep Learnings (Vollständige Modulbeschreibung)

Originalfassung Englisch PDF Download
Modulbezeichnung Aktuelle Themen des angewandten Deep Learnings
Modulkürzel inf5450
Kreditpunkte 3.0 KP
Workload 90 h
Einrichtungsverzeichnis Department für Informatik
Verwendbarkeit des Moduls
  • Master Informatik (Master) > Angewandte Informatik
  • Master Wirtschaftsinformatik (Master) > Akzentsetzungsmodule der Informatik
Zuständige Personen
  • Strodthoff, Nils (Modulverantwortung)
  • Lehrenden, Die im Modul (Prüfungsberechtigt)
Teilnahmevoraussetzungen

Grundlagenvorlesung im Bereich Maschinelles Lernen und Deep Learning

Kompetenzziele

Fachkompetenzen
Die Studierenden:

haben einen Überblick über ausgewählte aktuelle Herausforderungen im Bereich des angewandten Deep Learnings und exemplarische Lösungsansätze und können letztere in den breiteren Methodenkontext einordnen.


Methodenkompetenzen
Die Studierenden:

  • können sich selbstständig Themen unter Zuhilfenahme von aktueller Forschungsliteratur erarbeiten und kritisch reflektieren.


Sozialkompetenzen
Die Studierenden:

können Vor- und Nachteile von existierenden Lösungsmöglichkeiten in der Literatur präsentieren und im Plenum kritisch diskutieren.


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.

Modulinhalte

Dieses Seminar vermittelt Einblicke in ausgewählte methodische Herausforderungen im Bereich des angewandten Deep Learnings.

Dabei sollen je nach Instantiierung des Moduls verschiedene Schwerpunkte gesetzt werden, wie beispielsweise die Modellierung von langreichweitigen Wechselwirkungen oder Verfahren zur Verbesserung der Label-Effizienz von maschinellen Lernalgorithmen, z.B. durch self-supervised Learning.

Literaturempfehlungen
Links
Unterrichtssprache Englisch
Dauer in Semestern 1 Semester
Angebotsrhythmus Modul jedes Wintersemester
Aufnahmekapazität Modul unbegrenzt
Lehr-/Lernform S
Vorkenntnisse Grundlagenvorlesung im Bereich Maschinelles Lernen und Deep Learning
Prüfung Prüfungszeiten Prüfungsform
Gesamtmodul

am Ende der Vorlesungszeit/ Zwischenprüfungen

mündl. Prüfung / Portfolio / Referat

Lehrveranstaltungsform Seminar
SWS 2
Angebotsrhythmus siehe Angebotsrhythmus Modul