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 2026/27

Deep Learning for Computer Vision - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Integrierte Vorlesung SWS 4
Veranstaltungsnummer 423150021 Max. Teilnehmer/-innen
Semester WiSe 2026/27 Zugeordnetes Modul
Erwartete Teilnehmer/-innen
Rhythmus einmalig
Hyperlink  
Weitere Links http://www.uni-weimar.de/medien/cv
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
Do. 09:15 bis 10:45 Einzel am 15.10.2026    

Lecture/ Lab class

 
Einzeltermine anzeigen
Do. 11:00 bis 12:30 Einzel am 15.10.2026        
Einzeltermine anzeigen
Do. 09:15 bis 10:45 wöch. von 15.10.2026  Bauhausstraße 11 - Seminarraum A  

Lecture/ Lab class

15.10.2026: Raumänderung: MHA, St6B
Einzeltermine anzeigen
Do. 11:00 bis 12:30 wöch. von 15.10.2026  Bauhausstraße 11 - Seminarraum A     15.10.2026: Raumwechsel
Gruppe [unbenannt]:
 
 


Zugeordnete Personen
Zugeordnete Personen Zuständigkeit
Rodehorst, Volker, Prof., Dr.-Ing.habil. verantwortlich
Eick, Jan Frederick verantwortlich
Frolov, Anton , Master of Science begleitend
Tschirschwitz, David Eike begleitend
Studiengänge
Abschluss Studiengang Semester Leistungspunkte
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 12 mal im Vorlesungsverzeichnis WiSe 2026/27 gefunden:
Master  - - - 1
Specialisation Tech  - - - 2
Computer Vision  - - - 3
Electives  - - - 4
Electives  - - - 6
Elective Modules  - - - 8
Electives  - - - 10
Elective Modules  - - - 12

BISON-Portal Startseite   Zurück Kontakt/Impressum Datenschutz