[ 993MLPEDN1U19 ] UE (*)Deep Learning and Neural Nets I
|
|
|
| Es ist eine neuere Version 2024W dieser LV im Curriculum Masterstudium Computational Mathematics 2024W vorhanden. |
|
| (*) Leider ist diese Information in Deutsch nicht verfügbar. |
 |
| Workload |
Ausbildungslevel |
Studienfachbereich |
VerantwortlicheR |
Semesterstunden |
Anbietende Uni |
| 1,5 ECTS |
M1 - Master 1. Jahr |
Artificial Intelligence |
Günter Klambauer |
1 SSt |
Johannes Kepler Universität Linz |
|
|
|
| Detailinformationen |
| Quellcurriculum |
Masterstudium Artificial Intelligence 2019W |
| Ziele |
(*)This course will show practical applications and implementations of the contents of the “Deep Learning and Neural Nets I (3 VL)” class. Students will exercise the theory presented in the accompanying lecture and solve programming assignments. Programming assignments will be done in Python using the PyTorch framework.
|
| Lehrinhalte |
(*)- Automatic differentiation
- Common deep learning frameworks in python
- Implementing feedforward neural networks
- Solving problems using deep learning techniques
- Applying convolutional neural networks
- Transfer learning
|
| Beurteilungskriterien |
(*)bi-weekly assignments, exam at the end of the semester
|
| Lehrmethoden |
(*)Slide presentations, presentations on blackboard, discussions, and code examples
|
| Abhaltungssprache |
Englisch |
| Lehrinhalte wechselnd? |
Nein |
|
|
|
| Präsenzlehrveranstaltung |
| Teilungsziffer |
35 |
| Zuteilungsverfahren |
Direktzuteilung |
|
