Deep Learning

Deep Learning ist ein Teilbereich des maschinellen Lernens basierend auf neuronalen Netzen.
Mit Techniken des Deep Learning wurden in den letzten Jahren insbesondere in den Bereichen
des Bildverstehens und der Sprachverarbeitung beachtliche Erfolge erzielt. In diesem Modul

• erwerben die Studierenden umfassende theoretische und praktische Kenntnisse des Deep
  Learning. Sie lernen Techniken zur Optimierung neuronaler Netze kennen, Regularisierung,
  stochastisches Gradientenverfahren, Minibatch, Loss- und Aktivierungsfunktionen,
• eignen sich gängige Praktiken zum Trainieren und Evaluieren neuronaler Netze an,
• üben den Aufbau von Topologien wie Convolutional Neural Networks und Recurrent
  Neural Networks bzw. den von bekannten Architekturen wie LeNet oder AlexNet,
• befassen sich mit verschiedenen Themenstellungen wie Word Embeddings und
  Long-Short-Term Memory,
• arbeiten sich in das Framework Tensorflow, in die Programmiersprache Python
  sowie in die Nutzung eines High-Performance Computercluster für Deep Learning
  Anwendungen ein
• und programmieren Lösungen zu Aufgaben aus den Anwendungsbereichen Zeichen-
  erkennung, Segmentierung, Objektklassifizierung und Wortvorhersage

Dieses Modul kann innerhalb des Masterstudiengangs "Computer Aided Engineering"
in der Vertiefung "Autonome Intelligente Systeme" als Aufbaumodul gewählt werden.
Es umfasst 1 Trimester und wird im Wintertrimester angeboten. Details zu dieser
Lehrveranstaltung können dem Modulhandbuch entnommen werden.