Praktisches Deep Learning

Worum geht's

Du erhältst eine praktische Einführung in Deep Learning und implementierst zentrale Algorithmen selbst. Am Ende kennst du verschiedene Deep-Learning-Modelle (z. B. tiefe Netze, CNNs, RNNs/LSTM, Autoencoder, GANs, VAE) und kannst sie mit PyTorch auf reale Datensätze anwenden sowie Deep-Learning-Pipelines verbessern.

Was du danach kannst

• Vertrautheit mit verschiedenen Deep-Learning-Algorithmen
• Erklärung grundlegender Trainingskonzepte (Backpropagation, Over/Underfitting, Regularisierung, Early Stopping, Kreuzvalidierung)
• Anwendung von PyTorch für Deep Learning auf reale Datensätze
• Entwicklung und Verbesserung von Deep-Learning-Pipelines

Aus was das Modul besteht

• PraktikumZentrale Lehrform: Übungsblätter mit detaillierten Anweisungen, eigenständige bzw. Gruppenlösungen, geführte Übungen
• PräsentationKurze (eine Stunde) Einführung in Konzepte und Algorithmen zu Beginn der Sitzungen
• GruppenprojektAbschlussphase: Anwendung und Vertiefung der Konzepte in Gruppenprojekten

Lehrmethode

• Kurzvortrag/PräsentationVorstellung der Konzepte und Algorithmen
• Geführte ÜbungsblätterLeiten durch praktische Implementierungsaufgaben und Beantwortung auftretender Fragen
• Gruppenarbeit/ProjektAnwendung und Vertiefung der erlernten Methoden in realitätsnahen Aufgaben