A deeper look into deep learning – perspectives from statistics and information theory
Dozent:innen: Univ.-Prof. Dr. Michael WandKurzname: 08.079.630
Kurs-Nr.: 08.079.630
Kurstyp: Seminar
Voraussetzungen / Organisatorisches
Empfohlen sind Kenntnisse in Grundkenntnisse in maschinellem Lernen und/oder Computer Vision (nicht zwingend, aber sehr nützlich; s.u.).Die Veranstaltung umfaßt eine kurze Vorlesungsreihe (ca. 1/2 Semester), in der die technischen Grundlagen des tiefen Lernens kurz eingeführt und die benötigten mathematischen Grundlagen (Informationstheorie, Bezug zur Statistik, Optimierung) eingeführt bzw. nochmal wiederholt werden. Die Veranstaltung kann daher auch ohne Vorkenntnisse im tiefen Lernen belegt werden. Grundkenntnisse in allgemeinem machinellen Lernen sind stark empfohlen.
Inhalt
Die Veranstaltung behandelt aktuelle Forschungsergebnisse im Bereich des "tiefen Lernens". Der Fokus ist dabei auf Konzepten aus der Informationstheorie. Wir werden einige akutelle Paper (und einige Klassiker) anschauen, die versuchen besser zu verstehen, warum das "Deep Learning" so gut funktioniert (was bis heute noch niemand so richtig erklären kann). Darunter fallen insbesondere interdisziplinäre Ansätze, die z.B. Methoden aus der (statistischen) Physik nutzen.Zusätzliche Informationen
Das Seminar findet in der vorlesungsfreien Zeit nach dem Wintersemester statt. Die Einführungsvorlesung ist Semesterbegleitend; ein genauer Termin wird in der Vorbesprechung ausgemacht.Wichtig: Die Vorbesprechung zum Seminar findet am
Dienstag, den 23. Oktober 2018 von 16:15-17:00h in Raum 03-424 (Staudingerweg 9)
statt. Bitte kommen Sie unbedingt zu dieser Vorbesprechung (hier werden die weiteren Termine gesetzt). Falls Sie verhindert sind, schreiben Sie dem Dozenten bitte eine Email (Michael.Wand (at) uni-m...).