Seminar Künstliche Intelligenz (64072) "Deep Learning"
- Titel:
- Deep Learning
- Veranstaltungsart:
- Seminar
- Umfang:
- 5/10 ECTS
- Ort:
- Online
- Betreuer/in:
-
- Prof. Dr. Matthias Thimm
E-Mail: matthias.thimm
Dr. Isabelle Kuhlmann
E-Mail: isabelle.kuhlmann - Prof. Dr. Matthias Thimm
Erläuterung:
Deep Learning ist ein Teilbereich des maschinellen Lernens, der auf künstlichen neuronalen Netzen mit vielen Schichten basiert (Deep Neural Networks). Diese Modelle sind in der Lage, aus großen Datenmengen komplexe Muster zu lernen und abstrakte Repräsentationen zu erzeugen. Besonders durch den Fortschritt in Rechenkapazitäten, insbesondere durch den Einsatz von GPUs, hat sich Deep Learning in den letzten Jahren rasant weiterentwickelt und ist zu einer Schlüsseltechnologie in vielen Bereichen geworden. Die Stärke von Deep Learning liegt in der Fähigkeit, hochdimensionale und unstrukturierte Daten – etwa Bilder, Texte oder Audiosignale – zu verarbeiten und Muster zu erkennen, die für klassische Algorithmen schwer zugänglich sind. Dies ermöglicht signifikante Fortschritte in Anwendungsfeldern wie Computer Vision, natürlicher Sprachverarbeitung (NLP) oder autonomem Fahren. Gleichzeitig stellen Herausforderungen wie Erklärbarkeit, Effizienz und ethische Implikationen zentrale Forschungsfelder dar.
Im Rahmen des Seminars setzen sich die Teilnehmenden intensiv mit einem spezifischen Thema aus dem Bereich Deep Learning auseinander. Sie führen eine eigenständige Literaturrecherche durch, analysieren aktuelle wissenschaftliche Publikationen und erarbeiten einen fundierten Überblick über ihr gewähltes Thema. Dabei sollen sowohl theoretische Grundlagen als auch praktische Anwendungen berücksichtigt werden, um eine ganzheitliche Perspektive auf die jeweiligen Methoden und Herausforderungen zu ermöglichen.
Inhaltliche Voraussetzungen:
Grundlegende Kenntnisse des maschinellen Lernens, im besten Fall erfolgreicher Abschluss des Moduls 64401 "Maschinelles Lernen"
Geforderte Leistungen:
Teilnehmer fertigen eine Ausarbeitung mit einem Umfang von 12 Seiten an und präsentieren ihr Thema in einem 25minütigen Vortrag im Rahmen einer Online-Blockveranstaltung.