Interactive Systems Labs (ISL)

Deep Neural Networks

  • type: Vorlesung (V)
  • semester: SS 2018
  • time: 2018-04-17
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Grosser Hörsaal 10.50 Kollegiengebäude Bauingenieure II


    2018-04-19
    14:00 - 15:30 wöchentlich
    10.81 Engesser-Hörsaal (HS93) 10.81 Bauingenieure, Altes Bauingenieurgebäude

    2018-04-24
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Grosser Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    2018-04-26
    14:00 - 15:30 wöchentlich
    10.81 Engesser-Hörsaal (HS93) 10.81 Bauingenieure, Altes Bauingenieurgebäude

    2018-05-03
    14:00 - 15:30 wöchentlich
    10.81 Engesser-Hörsaal (HS93) 10.81 Bauingenieure, Altes Bauingenieurgebäude

    2018-05-08
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Grosser Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    2018-05-15
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Grosser Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    2018-05-17
    14:00 - 15:30 wöchentlich
    10.81 Engesser-Hörsaal (HS93) 10.81 Bauingenieure, Altes Bauingenieurgebäude

    2018-05-22
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Grosser Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    2018-05-24
    14:00 - 15:30 wöchentlich
    10.81 Engesser-Hörsaal (HS93) 10.81 Bauingenieure, Altes Bauingenieurgebäude

    2018-05-29
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Grosser Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    2018-06-05
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Grosser Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    2018-06-07
    14:00 - 15:30 wöchentlich
    10.81 Engesser-Hörsaal (HS93) 10.81 Bauingenieure, Altes Bauingenieurgebäude

    2018-06-12
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Grosser Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    2018-06-14
    14:00 - 15:30 wöchentlich
    10.81 Engesser-Hörsaal (HS93) 10.81 Bauingenieure, Altes Bauingenieurgebäude

    2018-06-19
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Grosser Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    2018-06-21
    14:00 - 15:30 wöchentlich
    10.81 Engesser-Hörsaal (HS93) 10.81 Bauingenieure, Altes Bauingenieurgebäude

    2018-06-26
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Grosser Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    2018-06-28
    14:00 - 15:30 wöchentlich
    10.81 Engesser-Hörsaal (HS93) 10.81 Bauingenieure, Altes Bauingenieurgebäude

    2018-07-03
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Grosser Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    2018-07-05
    14:00 - 15:30 wöchentlich
    10.81 Engesser-Hörsaal (HS93) 10.81 Bauingenieure, Altes Bauingenieurgebäude

    2018-07-10
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Grosser Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    2018-07-12
    14:00 - 15:30 wöchentlich
    10.81 Engesser-Hörsaal (HS93) 10.81 Bauingenieure, Altes Bauingenieurgebäude

    2018-07-17
    11:30 - 13:00 wöchentlich
    10.50 Bauingenieure, Grosser Hörsaal 10.50 Kollegiengebäude Bauingenieure II

    2018-07-19
    14:00 - 15:30 wöchentlich
    10.81 Engesser-Hörsaal (HS93) 10.81 Bauingenieure, Altes Bauingenieurgebäude


  • lecturer: Thanh-Le HA
    Prof. Dr. Alexander Waibel
  • sws: 4
  • lv-no.: 2400024
NotesDie Vorlesung hat wie im Modulhandbuch beschrieben 4 SWS und damit 6 ECTS-Punkte.
Content of teaching

Die Vorlesung Neuronale Netze führt ein die Verwendung von Neuronalen Netzen zur Lösung verschiedener Fragestellungen im Bereich des Maschinellen Lernens, etwa der Klassifikation, Prediktion, Steuerung oder Inferenz. Verschiedene Typen von Neuronalen Netzen werden dabei behandelt und ihre Anwendungsgebiete an Hand von Beispielen aufgezeigt.

Shortdescription
Die Vorlesung Neuronale Netze führt ein die Verwendung von Neuronalen Netzen zur Lösung verschiedener Fragestellungen im Bereich des Maschinellen Lernens, etwa der Klassifikation, Prediktion, Steuerung oder Inferenz. Verschiedene Typen von Neuronalen Netzen werden dabei behandelt und ihre Anwendungsgebiete an Hand von Beispielen aufgezeigt.
Workload

180h

Aim
  • Die Studierenden sollen den Aufbau und die Funktion verschiedener Typen von neuronalen Netzen lernen.
  • Die Studierenden sollen die Methoden zum Training der verschiedenen Netze lernen, sowie ihre Anwendung auf Probleme.
  • Die Studierenden sollen die Anwendungsgebiete der verschiedener Netztypen erlernen.
  • Gegeben ein konkretes Szenario sollen die Studierenden in die Lage versetzt werden, den geeigneten Typs eines neuronalen Netzes auswählen zu können.
Exam description

Die Erfolgskontrolle wird in der Modulbeschreibung erläutert.