Proseminar: Grundlagen des maschinellen Lernens
Grundlagen des maschinellen Lernens (WS2020/2021)
November 2020 - März 2021
Seminarleiter
Jun.-Prof. Dr. Pascal Friederich
Anmeldung
https://portal.wiwi.kit.edu/ys/3776
Kursinhalte auf Ilias
Aufgrund der aktuellen Lage wird diese Vorlesung im Wintersemester 2021 voraussichtlich weitgehend online stattfinden.
Aktuelle Infos wird es auf der Ilias Platform 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 friederichZtm9∂kit edu gestellt werden.
Ort und Zeit
Ablauf des Seminars:
- Einführungsveranstaltung: (voraussichtlich) Mittwoch, 04. November um 14:00-15:30 Uhr, voraussichtlich online.
- Besprechung (persönlich oder online) einer vorläufigen Gliederung mit dem Seminarleiter oder einem/einer StellvertreterIn: Dezember
- Besprechung (persönlich oder online) der vorläufigen Präsentation mit dem Seminarleiter oder einem/einer StellvertreterIn: Januar
- Vorträge: Voraussichtlich 3 Termine zu je 1,5 Stunden: Januar/Februar (Termine werden noch abgestimmt und bekanntgegeben)
- Ausarbeitungen: Abgabe (elektronisch, pdf und LaTeX) Ende März 2021 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 (04.11.2020):
- 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
Elektronisch (pascal friederichUko2∂kit edu)
Einzureichen sind ein pdf Dokument sowie die zur Erstellung notwendigen LaTeX Dateien.
Sonstiges
Siehe Allgemeine Informationen