Bereit für die Klausur? Teste jetzt dein Wissen!
Dein ergebnis
Melde dich für die StudySmarter App an und lerne effizient mit Millionen von Karteikarten und vielem mehr!
Du hast bereits ein Konto? Anmelden
Lerninhalte finden
Features
Entdecke
Egal, ob Zusammenfassung, Altklausur, Karteikarten oder Mitschriften - hier findest du alles für den Studiengang Master of Science Informatik
Universität Erlangen-Nürnberg
Master of Science Informatik
Prof. Dr.
2024
Diese Vorlesung stellt die Konzepte und Algorithmen von Convolutional Neural Networks (CNNs) vor. Es wird detailliert erörtert, wie CNNs für Bildverarbeitung und -klassifizierung eingesetzt werden.
Die Vorlesung behandelt Recurrent Neural Networks (RNNs) und deren Anwendung zur Zeitreihenanalyse und Natural Language Processing (NLP). Besonderes Augenmerk wird auf Langzeitabhängigkeiten und Gedächtniseffekte gelegt.
In dieser Einheit wird die Funktionsweise und Theorie hinter Generative Adversarial Networks (GANs) vorgestellt. Es wird untersucht, wie GANs zur Generierung neuer Daten verwendet werden können.
Die Vorlesung befasst sich mit Reinforcement Learning (RL) und seinen verschiedenen Algorithmen. Es wird erläutert, wie Agenten durch Interaktion mit ihrer Umgebung lernen und optimale Strategien entwickeln.
Zusätzlich zu den genannten Hauptthemen behandelt die Vorlesung auch weiterführende Themen im Bereich des Deep Learning, um das Verständnis der Studierenden zu vertiefen.
Die Vorlesung Advanced Deep Learning, angeboten von der Universität Erlangen-Nürnberg, bietet Dir eine vertiefende Auseinandersetzung mit dem spannenden und zukunftsträchtigen Gebiet des Deep Learning. Innerhalb dieses Kurses wirst Du wichtige Konzepte und Methoden kennenlernen, die für die Entwicklung und Verbesserung von künstlichen Intelligenzsystemen von zentraler Bedeutung sind. Der Kurs zielt darauf ab, Deine theoretischen und praktischen Fähigkeiten in der Anwendung von Deep Learning zu erweitern und Dich optimal auf anspruchsvolle Aufgaben in der Forschung und Industrie vorzubereiten.
Kursleiter: Prof. Dr.
Modulstruktur: Die Vorlesung setzt sich aus insgesamt 3 Stunden pro Woche zusammen, unterteilt in 2 Stunden Vorlesung und 1 Stunde Übung.
Studienleistungen: Dein Wissen wird am Ende des Semesters durch eine schriftliche Prüfung getestet.
Angebotstermine: Der Kurs wird im Wintersemester angeboten.
Curriculum-Highlights: Convolutional Neural Networks, Recurrent Neural Networks, Generative Adversarial Networks, Reinforcement Learning
Beginne frühzeitig mit dem Lernen, idealerweise schon zu Beginn des Semesters, um Dir die nötige theoretische Basis anzueignen.
Nutze verschiedene Ressourcen, wie Bücher, Übungsaufgaben, Karteikarten und Probeklausuren, um dein Wissen zu vertiefen.
Schließe Dich Lerngruppen an und tausche Dich mit anderen Studierenden aus, um gemeinsam Lösungsstrategien zu entwickeln.
Vergiss nicht, regelmäßige Pausen einzulegen und in diesen Zeiten komplett abzuschalten, um eine Überbelastung zu vermeiden.
Zhenzhen C.
Amy V.
Sie haben bereits ein Konto? Login
93182 Mainframe Programmierung II | Kurs ansehen |
Advanced Deep Learning | Kurs ansehen |
Advanced Design and Programming (5-ECTS) | Kurs ansehen |
Advanced Game Physics | Kurs ansehen |
Advanced Mechanized Reasoning in Coq | Kurs ansehen |
Advanced Networking LEx | Kurs ansehen |
Advanced Programming Techniques | Kurs ansehen |
Advanced Simulation Technology | Kurs ansehen |
AI-1 Systems Project | Kurs ansehen |
AI-2 Systems Project | Kurs ansehen |
Martin O.