Moses - Modulbeschreibung ohne Titel

Zur Modulseite PDF generieren

Modul / Version
#40979 / #1

Gültigkeit
SoSe 2020 - SoSe 2022

Verfügbare Sprache(n)
English

Titel des Moduls
Deep Learning for Communications

Leistungspunkte
3

Modulverantwortliche*r
Schaefer, Rafael

Benotung
Benotet

Prüfungsform
Portfolioprüfung

Lehrsprache(n)
English

Zugehörigkeit

Fakultät
Fakultät IV

Institut
Institut für Telekommunikationssysteme

Fachgebiet
34331900 FG Informationstheorie und deren Anwendungen

Prüfungsausschuss
Keine Angabe

Kontakt

Sekretariat
HFT 6

Ansprechpartner*in
Schaefer, Rafael

E-Mail-Adresse
rafael.schaefer@tu-berlin.de

Webseite

http://www.commit.tu-berlin.de/menue/lehre/parameter/en/

Diese Modulbeschreibung ist nicht oder nicht vollständig auf deutsch hinterlegt.

Es wird stattdessen der Inhalt der folgenden Sprachversion angezeigt: Englisch.

Klicken Sie hier um die Inhalte der fehlenden oder unvollständige Sprachversion (Deutsch) anzuzeigen

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

Die Modulbeschreibung gilt nur für den Zeitraum SoSe 2020 - SoSe 2022.

Lernergebnisse

After completing this module the students will have a solid understanding of the principles of deep learning and its application in communications. They will get familiar with the current literature in this emerging field and will strengthen their skills to understand, discuss, and present scientific contributions.

Lehrinhalte

Artificial intelligence and machine learning are experiencing a considerable interest these days and their applications now extend into almost every industry and research domain. Particularly deep learning has led to many recent breakthroughs in various domains including computer vision, speech recognition, and natural language processing. This aim of this seminar is to provide an introduction into the concept of deep learning and to present and discuss its application in communications via student presentations of scientific research papers. These include topics such as neural network-based communication systems, channel modeling via generative adversarial networks, code-design via autoencoders, and many others.

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Deep Learning for Communications	SEM	34331900 L 005	SoSe	en	2

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Deep Learning for Communications (SEM):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Attendance	15.0	2.0h	30.0h
Pre/post processing	15.0	4.0h	60.0h
			90.0h(~3 LP)

Der Aufwand des Moduls summiert sich zu 90.0 Stunden. Damit umfasst das Modul 3 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

This seminar starts with a small recap and introduction into the topic of deep learning for communications by conventional frontal teaching in class using slides and blackboard. Subsequently, each week a scientific paper is presented by a student and discussed.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Prerequisite for participation to courses are a mathematical background at the level of beginning MS students in Electrical Engineering. A background in deep learning/machine learning is desirable, but a brief recap will be given at the beginning.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolio examination

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache(n)

English, German

Prüfungselemente

Name	Punkte	Kategorie	Dauer/Umfang
(Deliverable assessment) Presentation	66	mündlich	45min
(Deliverable assessment) Mini-report	34	schriftlich	4-6 pages

Notenschlüssel

Notenschlüssel »Notenschlüssel 3: Fak IV (3)«

Gesamtpunktzahl	1.0	1.3	1.7	2.0	2.3	2.7	3.0	3.3	3.7	4.0
100.0pt	85.0pt	80.0pt	75.0pt	70.0pt	65.0pt	60.0pt	55.0pt	50.0pt	45.0pt	40.0pt

Prüfungsbeschreibung (Abschluss des Moduls)

The exam consists of a presentation of a scientific paper followed by a written mini-report on the topic.

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 15.

Anmeldeformalitäten

Course teaching and organization is supported by an ISIS course. Module examination enrollment is done via QISPOS. Details will be given in the first meeting.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: nicht verfügbar

Literatur

Empfohlene Literatur
T. J. O’Shea and J. Hoydis, "An introduction to deep learning for the physical layer," IEEE Transactions on Cognitive Communications and Networking, vol. 3, no. 4, pp. 563-575, December 2017
I. Goodfellow, Y. Bengio and A. Courville, "Deep Learning" MIT Press, 2017

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

	Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Sonstiges

Keine Angabe