Advanced Machine Learning: Deep Generative Models

Worum geht's

Du beschäftigst Dich mit fortgeschrittenen Methoden des maschinellen Lernens, mit Schwerpunkt auf tiefen generativen Modellen. Am Ende kennst Du die theoretischen Grundlagen und kannst die wichtigsten Bausteine (Normalizing Flows, VAEs, GANs, Diffusionsmodelle) anwenden und in moderner Programmiersprache implementieren sowie qualitativ vergleichen.

Was du danach kannst

• Theoretische Grundlagen fortgeschrittener ML-Prinzipien verstehen
• Kernbausteine generativer Modelle identifizieren
• Implementierung der Lernalgorithmen in einer Programmiersprache
• Vergleich und Bewertung der Methoden nach qualitativen Eigenschaften

Aus was das Modul besteht

• VorlesungVermittlung der theoretischen Konzepte mittels Folien
• Interaktive Tutorials/DemonstrationenPraxisnahe Übung der Konzepte und Verdeutlichung von Eigenschaften
• Aufgaben / ProgrammierübungenVertiefung des Wissens durch individuelle Arbeit und Implementierung

Lehrmethode

• Vorlesung mit PräsentationsfolienDiskussion der theoretischen Konzepte
• Interaktive Tutorials und DemonstrationenPraktische Anwendung und Veranschaulichung von Eigenschaften
• Assignments (Einzelarbeit) mit ProgrammieraufgabenEigenständige Übung und Implementationspraxis