Die Studierenden erhalten einen Überblick über den Stand der Forschung im Bereich des Maschinellen Lernens und Hörens. In ihrem eigenen Vortrag mit Ausarbeitung erarbeiten sie ein Thema aus der aktuellen Fachliteratur, bereiten dies durch eigene Rechnungen auf und stellen dies in einer Präsentation vor.

Ein möglicher Schwerpunkt kann die Nutzung von GPUs für die Berechnung von tiefen neuronalen Netzen (deep neural networks) sein. Dafür stehen mit GPUs ausgestattete Rechner und die passenden Softwarebibliotheken (python, pytorch) zur Verfügung. Im Rahmen eines semesterbegleitenden Projektes kann damit ein kleines neuronales System implementiert werden, dass mit realistischen Signalen eine Musterkennungsaufgabe löst, z.B. Erkennung von Sprache, Sprechern oder Audio-Events.

Inhalte:
Themen aus dem Bereich aktueller Forschung des maschinellen Hörens, etwa Audiosignalerkennung, Spracherkennung, Richtungsdetektion und räumliche Filterung, statistische Modellierung des auditorischen Systems basierend auf experimentellen Daten der Neurobiologie, Algorithmen des überwachten und unüberwachten Lernens.