143901a Selected Topics of Deep Learning

Zuletzt geändert:	26.09.2022 / von Carlsburg
EDV-Nr:	143901a
Studiengänge:	Computer Science and Media (Master), Prüfungsleistung im Modul Selected Topics of Deep Learning in Semester 1 2 3 Häufigkeit: nur SS
Dozent:	Prof. Dr. Johannes Maucher
Sprache:	Deutsch
Art:	-
Umfang:	2 SWS
ECTS-Punkte:	5
Workload:	Vorlesung 6 Termine zu je 2 SWS: 9 Zeitstunden Vor- und Nachbearbeitung der o.g. Termine: 6 mal 4 SWS: 18 Zeitstunden Vertiefung eines ausgewählten Deep Learning Themas und Präsentation: 120 Zeitstunden Gesamt: 147 Zeitstunden
Inhaltliche Verbindung zu anderen Lehrveranstaltungen im Modul:	Dieses Seminar vertieft die in den Vorlesungen Machine-Learning und Objekterkennung vermittelten Kenntnisse. Der erfolgreiche Abschluss einer dieser beiden Vorlesungen ist Voraussetzung für die Teilnahme an diesem Seminar.
Prüfungsform:
Beschreibung:	**** Wichtiger Hinweis zum Sommersemester 2020 * Die Veranstaltung wird während der SARS-CoV-2-bedingten Beschränkungen im Sommersemester 2020 zunächst als synchroner Distance-Learning-Kurs angeboten. Den zugehörige Zoom-Link werde ich vor dem 20.04. in die Gruppe der online registrierten User im persönlichen Stundenplan posten. Es gilt der Stundenplan laut Starplan. Neuigkeiten zur Vorlesung finden Sie auch unter Homepage der Vorlesung Falls oder wenn wir uns wieder in Hörsälen treffen dürfen, gilt der jeweils in Starplan angegebene Raum. ****************************************************************** Structure: In the first lesson a bunch of currently hot Deep Learning topics is proposed Student-groups (2-4 students per group) select one of these topics. They can also propose own topics Each group studies the selected topic during the term. This study includes the following: Literature Research: Determine the most important papers and approaches for the selected topic Which approaches do they apply? How do they differ and how are they related to each other? What is the impact of the paper (on other scientific work or applications) Presentation of literature-research Select a main paper for the topic: Understand and investigate the approach of the selected paper in detail Presentation of the technique (in detail) at the end of this course Reimplement the experiment of the selected paper and reconstruct its result Suggest modificications and improvements, implement and validate/evaluate them Final Presentation List of potential topics to investigate** Deep Neural Networks for Language Understanding: LSTMs, Hierarchical LSTMs (with attention), Transformers, BERT Explainable AI and Causality Style Transfer Networks Automatic Content Generation Low-Resource-Learning / Transfer Learning / Active Learning AlphaGo / AlphaZero / AlphaStar
English Title:	Selected Topics of Deep Learning
Internet:	http://maucher.pages.mi.hdm-stuttgart.de/ai/page/stdl/