Institut für theoretische Informatik (ITI) - AiMat group

Proseminar: Grundlagen des maschinellen Lernens

Grundlagen des maschinellen Lernens (SS2020)

20.4.2020 - 24.7.2020

Seminarleiter

Jun.-Prof. Dr. Pascal Friederich

pascal friederichYle9∂kit edu

Kursinhalte auf Ilias

Aufgrund der aktuellen Lage wird diese Vorlesung im Sommersemester 2020 voraussichtlich weitgehend online stattfinden.

Aktuelle Infos wir es auf der Ilias Platform und zusätzlich auch hier auf der Website geben. Bitte melden Sie sich im Ilas Kurs an, um Zugriff auf die Seminarinhalte zu erhalten und aktuelle Informationen zu erhalten.

Fragen und Diskussionen

Zusätzlich zum Vorlesungsmaterial ist ein Diskussionsforum im Ilias Kurs angelegt, in dem Fragen beantwortet und Kursinhalte diskutiert werden können.

Organisatorische Fragen können auch per E-Mail an pascal friederichUph0∂kit edu gestellt werden.

Ort und Zeit

Ablauf des Seminars:

  • Einführungsveranstaltung: Mittwoch, 22. April um 14:00-15:30 Uhr, voraussichtlich online.
  • Besprechung (persönlich oder online) einer vorläufigen Gliederung mit dem Seminarleiter oder einem/einer StellvertreterIn: Mai
  • Besprechung (persönlich oder online) der vorläufigen Präsentation mit dem Seminarleiter oder einem/einer StellvertreterIn: Juni
  • Vorträge: Voraussichtlich 3 Termine zu je 1,5 Stunden: Juli (Termine werden noch abgestimmt und bekanntgegeben)
  • Ausarbeitungen: Abgabe (elektronisch, pdf und LaTeX) bis zum 24.7.2020 beim Seminarleiter

Voraussetzungen

Interesse an machinellem Lernen

Geforderte Leistungen

Für eine erfolgreiche Teilnahme müssen folgende Leistungen erbracht werden:

  • Vortrag (20 Minuten) mit anschließender Diskussion (10 Minuten)
  • Schriftliche Ausarbeitung (5 Seiten, erstellt mit LaTeX)
  • Anwesenheit bei allen Veranstaltungen

Die Note setzt sich aus dem Vortrag und der schriftlichen Ausarbeitung zusammen (50:50).

Kursinhalt

Dieses Modul behandelt die theoretischen und praktischen Grundlagen von Methoden des maschinellen Lernens. Die Studierenden wählen geeignete Unterthemen und erstellen eine wissenschaftliche Präsentation (20 Minuten Vortrag, 10 Minuten Diskussion) sowie eine schriftliche Ausarbeitung (5 Seiten, erstellt mit LaTeX). In einer Einführungsveranstaltung werden organisatorische Details besprochen und methodische Herangehensweisen vorgestellt. Danach arbeiten die Studierenden an der Recherche sowie an der Präsentation uns Ausarbeitung ihrer jeweiligen Themen. Bis Ende Mai soll eine vorläufige Gliederung und bis Ende Juni soll eine vorläufige Präsentation mit dem Seminarleiter oder einem/einer StellvertreterIn besprochen werden. In voraussichtlich 3 Pflichtterminen im Juli werden die Vorträge präsentiert und besprochen. Die Ausarbeitungen müssen bis zum Ende der Vorlesungszeit am 24.7.2020 elektronisch eingereicht werden. Die Themen der Präsentationen sind im Terminüberblick benannt.

Seminarziele

Qualifikationsziele

Studierende sind in der Lage, sich in ein wissenschaftliches Themengebiet (hier: Teilgebiet des maschinellen Lernens) einzuarbeiten und eine Präsentation sowie schriftliche Ausarbeitung für eine bestimmte Zielgruppe (hier: Informatikstudierende) zu erstellen.

Lernziele

Die Lernziele beinhalten

  • Methodisch
    • Identifizierung nützlicher Quellen zur wissenschaftlichen Recherche
    • Selbstständige Einarbeitung in ein wissenschaftliches Thema
    • Ausarbeitung einer zielgruppengerechten Präsentation
    • Schriftliche Ausarbeitung des Themengebiets
    • Konstruktive Kritik an wissenschaftlichen Vorträgen von Mitstudierenden
  • Inhaltlich
    • Überblick über die Grundlagen des maschinellen Lernens
    • Vertiefter Einblick in das selbstgewählte Thema

Sprache
Deutsch

Terminübersicht

Termin 1 (22.04.2020):

  • Einführung
  • Organisatorisches
  • Methodische Grundlagen

Termin 2 (wird noch bekanntgegeben):

  • Thema 1: Geschichte der künstlichen Intelligenz
  • Thema 2: Lineare & Logistische Regression
  • Thema 3: Mehrlagiges Perzeptron und Backpropagation

Termin 3 (wird noch bekanntgegeben):

  • Thema 4: Convolutional neural networks
  • Thema 5: Rekurrente neuronale Netze
  • Thema 6: Regularisierung und Hyperparameter

Termin 4 (wird noch bekanntgegeben):

  • Thema 7: TensorFlow, Keras und PyTorch
  • Thema 8: Unüberwachtes Lernen
  • Thema 9: Bestärkendes Lernen

Abgabe der schriftlichen Ausarbeitungen (24.07.2020)
    Elektronisch (pascal friederichMql1∂kit edu)
    Einzureichen sind ein pdf Dokument sowie die zur Erstellung notwendigen LaTeX Dateien.

Sonstiges

Siehe Allgemeine Informationen