Seminar Advanced Deep Learning (SemADL)5 ECTS
(englische Bezeichnung: Seminar Advanced Deep Learning)

Lehrveranstaltungen:

• • Seminar Advanced Deep Learning
    (Seminar, 2 SWS, Katharina Breininger et al., Di, 12:00 - 14:00, Seminarraum ZMPT; The first session (April 26) of the semester will an online meeting, subsequent meetings will be in person.)

Empfohlene Voraussetzungen:

We strongly recommend students to have acquired a thorough understanding of fundamental Deep Learning techniques, e.g., from the lecture + exercises "Deep Learning".

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:

Deep Learning (WS 2021/2022)
Deep Learning for Beginners (VHB-Kurs) (WS 2021/2022)

Inhalt:

Deep Learning-based algorithms showed great performance in many fields of image processing and pattern recognition and compete with technologies such as compressive sensing and iterative optimization. The basis for the success of these algorithms is the availability of large amounts of data (big data) for training and of high computing power (typically GPUs).

In this seminar we will explore advanced deep learning methods. In particular, we will aim to develop a deeper understanding of topics beyond SGD optimization, CNNs and simple RNN networks, for example: graph neural networks, unsupervised learning, differentiable learning, invertible learning, neural ordinary differential equations, transfer learning, multi-task learning, uncertainty DL.
Additionally, we will develop both a sound theoretical understanding of these approaches and identify areas of application for these advanced techniques.

Lernziele und Kompetenzen:

Students will be able to

• perform their own literature research on a given subject

• independently research this subject

• present and introduce the subject to their student peers

• give a scientific talk in English according to international conference standards

Studien-/Prüfungsleistungen:

Seminar Advanced Deep Learning (Prüfungsnummer: 661111)

(englischer Titel: Seminar Advanced Deep Learning)

Prüfungsleistung, Seminarleistung, benotet, 5 ECTS

weitere Erläuterungen:
Die Gesamtnote setzt sich zu 100% aus der Bewertung des Vortrags zusammen. Benotet wird ein Vortrag von 30 Minuten über ein vorgegebenes Thema sowie eine anschließende Diskussion von ca. 15 Minuten. Ziel ist es diese Zeit möglichst genau einzuhalten und den anderen Studenten möglichst präzise einen Überblick über das Themengebiet zu geben. Hierbei wird neben der Vortragsweise und des Inhalts insbesondere auch die Qualität der Folien bewertet. Der Vortrag sollte auf Englisch erfolgen.

Prüfungssprache: Deutsch oder Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer:

Katharina Breininger,

2. Prüfer:

Andreas Maier