Lehrinhalte
Fortgeschrittene Techniken wie Self-Attention, äquivariante Convolutions, deep equilibrium networks, generative adversarische Netze, neuronale Differentialgleichungen und Normalizing Flows. Anwendung von Techniken des maschinellen Lernens wie selbstüberwachtes/autoregressives Lernen, Dichteschätzung, Erkennung von Anomalien und Reinforcement Learning in neuronalen Netzen. Ansätze zur Beschleunigung und Deployment neuronaler Netze, wie Destillation, Quantisierung und Faktorisierung.
