Studiengänge
Abschluss |
Studiengang |
Semester |
Leistungspunkte |
M. Sc. |
Computer Science and Media (M.Sc.), PV 11
|
-
|
6
|
B. Sc. |
Medieninformatik (B.Sc.), PV 11
|
-
|
6
|
M. Sc. |
Digital Engineering (M.Sc.), PV 17
|
-
|
6
|
B. Sc. |
Medieninformatik (B.Sc.), PV 16
|
-
|
6
|
B. Sc. |
Medieninformatik (B.Sc.), PV 17
|
-
|
6
|
M. Sc. |
Human-Computer Interaction (M.Sc.), PV15
|
-
|
6
|
M. Sc. |
Human-Computer Interaction (M.Sc.), PV17
|
-
|
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
|
B. Sc. |
Informatik (B.Sc.), PV 2020
|
-
|
6
|
M. Sc. |
Computer Science for Digital Media (M.Sc.), PV 2020
|
-
|
6
|
M. Sc. |
Computer Science for Digital Media (M.Sc.), PV 17
|
-
|
6
|
Inhalt
Beschreibung |
In diesem Kurs für Fortgeschrittene 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 |
- Goodfellow, I., Bengio, Y., & Courville, A. (2016): Deep learning, MIT press.
- Papa, J. (2021): PyTorch Pocket Reference, O'Reilly Media.
|
Bemerkung |
Bitte melden Sie sich bis zum 11.04.2023 mit Ihrer Univeritäts-E-Mail über die Moodle-Plattform (https://moodle.uni-weimar.de/course/view.php?id=43615) an und füllen Sie den bereitgestellten Fragebogen aus. Bei Überschreitung der Teilnehmerzahl wird die Teilnahme an der Lehrveranstaltung "Introduction to Machine Learning and Data Mining" als Auswahlkriterium herangezogen. |
Voraussetzungen |
Bachelor: Software Engineering II (B.Sc.), Analysis (B.Sc.) and Linear Algebra (B.sc.) oder gleichwertig.
Master: Object Oriented Modeling and Programming (M.Sc.) and Software Engineering (M.Sc.) oder gleichwertig. |
Leistungsnachweis |
Erfolgreiche Teilnahme an den Laborübungen und dem Projekt mit abschließender Klausur.
Gewichtung: 50% Projekt und 50% Klausur |
Zielgruppe |
M.Sc. Computer Science for Digital Media
M.Sc. Digital Engineering
B.Sc. Medieninformatik / Informatik |