Deep Learning Methoden

 

Kurzinhalte

Das Modul "Deep Learning Methoden" im dritten Semester des Bachelor-Studiengangs KI-Ingenieurwissenschaften bietet den Studierenden eine umfassende und praxisnahe Einführung in die fortgeschrittenen Techniken des Deep Learning. In diesem Pflichtmodul, das 4 SWS umfasst, lernen die Studierenden durch eine Kombination aus Vorlesungen und praktischen Übungen die wichtigsten Deep Learning-Architekturen kennen, darunter Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs) und Transformer.

Vorlesungen

  • Die Lehrinhalte decken nicht nur theoretische Grundlagen wie Neuronen, Aktivierungsfunktionen und den Backpropagation-Algorithmus ab, sondern auch praktische Anwendungen wie die Bildklassifikation, die Analyse von Zeitreihendaten und die Entwicklung von Sprachmodellen. Zusätzlich wird ein tiefgehendes Verständnis für Optimierungs- und Regularisierungstechniken wie Dropout und L2-Regularisierung vermittelt.
  • Die praktische Relevanz des Moduls wird durch die Integration von Reinforcement Learning (RL) und dessen Anwendung in Bereichen wie Spieltheorie und Robotik weiter gestärkt. Abschließend ermöglichen umfangreiche Modellauswertungs- und Interpretationstechniken den Studierenden, die Leistung und Zuverlässigkeit ihrer Deep Learning-Modelle kritisch zu bewerten.
  • Dieses Modul bereitet die Studierenden darauf vor, Deep Learning-Modelle selbständig zu entwickeln, zu trainieren und zu evaluieren und vermittelt ihnen die Fähigkeiten, diese Techniken auf reale Problemstellungen in verschiedenen Anwendungsbereichen anzuwenden. Es bildet eine solide Basis für weiterführende KI-Studien und zukünftige berufliche Herausforderungen in der KI-Entwicklung und -Forschung.