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 2024/25

Deep Learning for Computer Vision - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Integrierte Vorlesung SWS 4
Veranstaltungsnummer 423150021 Max. Teilnehmer/-innen 25
Semester SoSe 2023 Zugeordnetes Modul
Erwartete Teilnehmer/-innen
Rhythmus einmalig
Hyperlink https://moodle.uni-weimar.de/course/view.php?id=43615
Weitere Links 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
Di. 09:15 bis 10:45 wöch. von 04.04.2023  Schwanseestraße 143 - Seminarraum 3.31      
Einzeltermine anzeigen
Fr. 11:00 bis 12:30 wöch. von 14.04.2023  Schwanseestraße 143 - Seminarraum 3.31      
Einzeltermine ausblenden
Mo. 11:00 bis 13:00 Einzel am 31.07.2023 Schwanseestraße 143 - Seminarraum 2.16  

schriftl. Prüfung / written exam

 
Einzeltermine:
  • 31.07.2023
Gruppe [unbenannt]:
 
 


Zugeordnete Personen
Zugeordnete Personen Zuständigkeit
Rodehorst, Volker, Prof., Dr.-Ing.habil.
Tschirschwitz, David Eike , Master of Science
Eick, Jan Frederick , Master of Science
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
Zuordnung zu Einrichtungen
Computer Vision in Engineering
Fakultät Medien
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


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SoSe 2023 , Aktuelles Semester: WiSe 2024/25

BISON-Portal Startseite   Zurück Kontakt/Impressum Datenschutz