Moses - Mathematische Grundlagen des Maschinellen Lernens II

Zur Modulseite PDF generieren

Modul / Version
#20845 / #2

Gültigkeit
Seit WiSe 2023/24

Verfügbare Sprache(n)
Deutsch

Titel des Moduls
Mathematische Grundlagen des Maschinellen Lernens II

Leistungspunkte
10

Modulverantwortliche*r
Gottschalk, Hanno

Benotung
Benotet

Prüfungsform
Mündliche Prüfung

Lehrsprache(n)
Deutsch

Zugehörigkeit

Fakultät
Fakultät II

Institut
Institut für Mathematik

Fachgebiet
Keine Angabe

Prüfungsausschuss
Mathe

Kontakt

Sekretariat
MA 5-4

Ansprechpartner*in
Gottschalk, Hanno

E-Mail-Adresse
Keine Angabe

Webseite
Keine Angabe

Lernergebnisse

Die Studierenden verstehen die Grundlagen des des Deep Learning und dessen Anwendungen im Bereich des Computergestützten Bildverstehens. Sie können Problemstellung aus dem Bereich der Computer Vision geeigneten Modellen des Deep Learning zuordnen und Verstehen die Voraussetzungen, unter denen die Aufgabenstellung gelernt werden kann.

Lehrinhalte

Universelle Approximationsegenschaft tiefer neuronaler Netze Adaptive Kapazitätsanpassung von tiefen neuronalen Netzen im Statistischen Lernen Gefaltete und Gruppen-equivariante neuronale Netze Mathematische Beschreibung moderner Netzarchitekturen mit Anwendung auf Computer Vision Adversiales Lernen und generatives Lernen Moderne Modelle des generativen Lernens

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Mathematische Grundlagen des Maschinellen Lernens II	UE		WiSe	de	2
Mathematische Grundlagen des Maschinellen Lernens II	VL		WiSe	de	4

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Mathematische Grundlagen des Maschinellen Lernens II (UE):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Präsenzzeit	15.0	2.0h	30.0h
			30.0h(~1 LP)

Mathematische Grundlagen des Maschinellen Lernens II (VL):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Präsenzzeit	15.0	4.0h	60.0h
Vor-/Nachbereitung	15.0	10.0h	150.0h
			210.0h(~7 LP)

Lehrveranstaltungsunabhängiger Aufwand:

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Prüfungsvorbereitung	1.0	60.0h	60.0h
			60.0h(~2 LP)

Der Aufwand des Moduls summiert sich zu 300.0 Stunden. Damit umfasst das Modul 10 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Vorlesungen, Übungen

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

dringend empfohlen: Wahrscheinlichkeitstheorie I, Mathematische Grundlagen des Maschinellen Lernens I

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Mündliche Prüfung

Sprache(n)

Deutsch

Dauer/Umfang

ca. 30 min.

Dauer des Moduls

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

Dieses Modul kann in folgenden Semestern begonnen werden:
Wintersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Standard.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: nicht verfügbar

Literatur

Empfohlene Literatur
Shalev-Shwartz, Shai, and Shai Ben-David. Understanding machine learning: From theory to algorithms. Cambridge university press, 2014.
Van Handel, Ramon. Probability in high dimension. PRINCETON UNIV NJ, 2014.

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Mathematik (B. Sc.)	1	8	WiSe 2023/24	SoSe 2025
Mathematik (M. Sc.)	1	8	WiSe 2023/24	SoSe 2025
Scientific Computing (M. Sc.)	1	4	WiSe 2023/24	SoSe 2025
Technomathematik (B. Sc.)	1	4	WiSe 2023/24	SoSe 2025
Technomathematik (M. Sc.)	1	8	WiSe 2023/24	SoSe 2025
Wirtschaftsmathematik (B. Sc.)	1	8	WiSe 2023/24	SoSe 2025
Wirtschaftsmathematik (M. Sc.)	1	8	WiSe 2023/24	SoSe 2025

Sonstiges

Keine Angabe