Neue Entwicklungen im Deep Learning
Jannes Münchmeyer, Leon Weber
Deep Learning hat in den letzten Jahren massive Fortschritte in der Genauigkeit von Maschinellen Lernverfahren in Bereichen wie der Bilderkennung oder bei der Verarbeitung natürlicher Sprache ermöglicht. Deep Learning hat sich dabei auch methodisch stark von den seinen klassischen Modellen, Convolutional oder Recurrent Neural Networks, weiterentwickelt. Dieses Seminar gibt einen Einblick in diese Neuentwicklungen. Dabei legt es seinen Fokus auf graphbasierte Modelle (z.B. Graph Convolutional Networks, Transformers) und stochastische Modelle (z.B. Variational Auto-encoders, implizite Modelle). Studierende werden jeweils einen Ansatz aus diesen Bereichen in Vortrag und Ausarbeitung detailliert darstellen und auch praktisch umsetzen.
Das Seminar findet im wesentlichen als Blockseminar am Ende des Semesters statt. Im Vorfeld sind aber Einführungstermine und individuelle Themenbesprechungen zu besuchen sowie ein Zwischenstand in der Mitte des Semesters zu präsentieren. Für die Themen werden eventuell Teams von zwei Studierenden gebildet.
Die Einführungsveranstaltungen finden am 06. und 13. November, jeweils 11 Uhr c.t., statt. Die Veranstaltungen werde im Rahmen einer Zoom-Webkonferenz durchgeführt. Die genauen Veranstaltungsinformationen und Zugangsdaten werden vorab per Email versendet. Beide Einführungsveranstaltungen sind für alle Teilnehmenden verpflichtend.
Voraussetzungen
- Gute Kenntnisse in Algorithmen und Datenstrukturen (z.B. gleichnamige Vorlesung)
- Gute Programmierkenntnisse
- Erste Kenntnisse in Statistik und/oder Machine Learning (oder die Bereitschaft sich einzuarbeiten)
Anmeldung und Anrechenbarkeit
Das Seminar ist anrechenbar für
- M.Sc. Informatik
Die Teilnehmerzahl ist begrenzt, die Anmeldung erfolgt über AGNES.
Voraussetzung für den Schein ist:
- der Besuch der Einführungsveranstaltungen zur Themenvergabe,
- die regelmäßige Kommunikation mit dem Betreuer,
- eine Kurzpräsentation des Themas (etwa in der Mitte des Semesters),
- das Halten eines wissenschaftlichen Vortrags im Blockseminar am Ende des Semesters,
- Umsetzung des Deep Learning Verfahrens inkl. Präsentation der Ergebnisse, und das Erstellen einer schriftlichen Ausarbeitung (Seminararbeit).