Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Switch to english language
Startseite    Anmelden     
Logout in [min] [minutetext]
WiSe 2025/26

Deep Learning for Computer Vision - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Integrierte Vorlesung SWS 4
Veranstaltungsnummer 423150021 Max. Teilnehmer/-innen
Semester WiSe 2025/26 Zugeordnetes Modul
Erwartete Teilnehmer/-innen
Rhythmus einmalig
Hyperlink  
Weitere Links http://www.uni-weimar.de/medien/cv
Moodle-Link
http://www.uni-weimar.de/media/cv
Sprache englisch
Termine Gruppe: [unbenannt]
  Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
Fr. 15:15 bis 16:45 wöch. von 17.10.2025  Bauhausstraße 11 - Seminarraum A  

Lecture/ Lab class

07.11.2025: 
14.11.2025: 
Einzeltermine anzeigen
Mo. 17:00 bis 18:30 wöch. 20.10.2025 bis 24.11.2025  Bauhausstraße 11 - Seminarraum A  

Lecture/ Lab class

 
Einzeltermine anzeigen
Mo. 17:00 bis 18:30 wöch. von 01.12.2025  Bauhausstraße 9a - Linux-Pool, DBL, 1.OG  

LINUX-Pool, DBL, Bh9a, 1. OG

10.11.2025: 
Gruppe [unbenannt]:
 
 


Zugeordnete Personen
Zugeordnete Personen Zuständigkeit
Rodehorst, Volker, Prof., Dr.-Ing.habil.
Tschirschwitz, David Eike , Master of Science
Eick, Jan Frederick
Frolov, Anton , Master of Science
Studiengänge
Abschluss Studiengang Semester Leistungspunkte
M. Sc. Computer Science and Media (M.Sc.), PV 11 - 6
M. Sc. Digital Engineering (M.Sc.), PV 19 - 6
M. Sc. Computer Science for Digital Media (M.Sc.), PV 18 - 6
M. Sc. Human-Computer Interaction (M.Sc.), PV19 - 6
M. Sc. Computer Science for Digital Media (M.Sc.), PV 2020 - 6
M. Sc. Digital Engineering (M.Sc.), PV 2023 - 6
Zuordnung zu Einrichtungen
Computer Vision in Engineering
Fakultät Medien
Inhalt
Beschreibung

In diesem Kurs werden die Prinzipien, Techniken und Anwendungen des tiefgehenden Lernens in Computer Vision behandelt. Die Teilnehmer lernen, wie man neuronale Netze für die Bildklassifizierung, Objekterkennung, semantische Segmentierung und andere Computer-Vision-Aufgaben entwickelt, trainiert und validiert. Es werden auch Techniken zur Verbesserung der Leistung von Deep-Learning-Modellen und Veranschaulichungen behandelt, um Anhaltspunkte für die weitere Modellentwicklung zu erhalten. Am Ende des Kurses werden die Studierenden in der Lage sein, Deep-Learning-Techniken anzuwenden, um reale Probleme in verschiedenen Bereichen zu lösen.

Literatur
  • Prince, S. J. (2023). Understanding Deep Learning. MIT press. https://udlbook.github.io/udlbook/
  • Papa, J. (2021). PyTorch Pocket Reference. O'Reilly Media, Incorporated.

 

Voraussetzungen

Image Analysis and Object Recognition

Leistungsnachweis

Erfolgreiche Teilnahme an den Laborübungen.

Gewichtung der Note: 100% schriftliche Klausur

Zielgruppe

M.Sc. Computer Science for Digital Media

M.Sc. Digital Engineering

M.Sc. Human Computer Interaction

 


Strukturbaum
Die Veranstaltung wurde 13 mal im Vorlesungsverzeichnis WiSe 2025/26 gefunden:
Electives  - - - 1
Electives  - - - 2
Master  - - - 4
Specialisation Tech  - - - 5
Computer Vision  - - - 6
Electives  - - - 7
Electives  - - - 9
Computer Science Methods  - - - 10
Elective Modules  - - - 11
Elective Modules  - - - 13

BISON-Portal Startseite   Zurück Kontakt/Impressum Datenschutz