Maschinelles Lernen

Hintergrund

Maschinelles Lernen beschäftigt sich mit der Erstellung von Modellen auf Basis von Daten. In diesem Seminar werden ausgewählte Themen in Form von Buchkapiteln und Forschungsliteratur erarbeitet. Jeder Teilnehmer erarbeitet selbstständig ein Thema, welches dann in einem Vortrag den anderen Teilnehmern präsentiert wird. Die aktive Teilnahme an Diskussion und Feedbackrunden ist Teil der Veranstaltung.

Das Seminar richtet sich an Studierende des Bachelorstudiengangs Angewandte Informatik. Die Anzahl der Teilnehmer ist auf 20 begrenzt. Die Anmeldung erfolgt ab dem 15.03.2021 über den Moodle-Kurs.

Organisation als reiner Online-Kurs

Das Seminar wird über den folgenden Moodle-Kurs organisiert: https://moodle.ruhr-uni-bochum.de/m/course/view.php?id=36874. Dort findet sich Literatur als Basis für die Vorträge. Im Kurs stehen weiterhin detaillierte Begleittexte zur Vorbereitung und Durchführung von Semarvorträgen bereit. Für Fragen gibt es ein Forum.

In diesem Semester gibt es eine ganze Reihe von Änderungen am Ablauf des Seminars, um die Veranstaltung vollständig online durchzuführen und dennoch eine sinnvolle Betreuung sicher zu stellen:

  • Die Vorträge werden in Form von Videos eingereicht. Das bevorzugte Format sind Screen-Casts, also Videos, in denen die Folien im Bild zu sehen sind, während die Stimme der/des Vortragenden aufgenommen wird. Soche Videos können mit minimalem Aufwand erstellt werden. Andere Formate sind möglich.
  • Diese Form der Vorträge ermöglicht einen deutlich asynchroneren Ablauf als in einem normalen Semester. Die Vorträge finden nicht im Wochentakt statt, sondern werden in zwei (inhaltlich motivierten) Blöcken bereitgestellt.
  • Zum Charakter eines Seminars gehört eine Diskussion der im Vortrag vorgestellten Inhalte. Dies wird auf zwei Wegen realisiert. Einerseits wird es die Möglichkeit geben, zu jedem Vortrag im Forum Fragen zu stellen, die dann vom Vortragenden beantwortet werden sollen. Weiterhin schreibt jeder Teilnehmer zu einem Vortrag ein ausführliches Feedback (peer review).
  • Der Kontakt zwischen Teilnehmern und Dozent erfolgt in mehreren Sessios per Video-Streaming. Gespräche zur Vorbereitung einzelner Vorträge werden per Video-Konferenz durchgeführt.

Zeitplan

  • bis 06.04.: Verteilung der Vortragsthemen. Diese erfolgt bereits vor Beginn der (verschobenen) Vorlesungszeit.
  • bis 11.05.: Die ersten fünf Vorträge (Grundlagen) sind fertig.
  • bis 18.05.: Alle Teilnehmer haben die Vorträge gesehen und die zugehörigen Aufgaben bearbeitet.
  • bis 15.06.: Die restlichen 15 Vorträge sind fertig.
  • bis 29.06.: Alle Teilnehmer haben die Vorträge gesehen und die zugehörigen Aufgaben bearbeitet.
  • bis 06.07.: Alle Teilnehmer haben finales Feedback und Noten erhalten.

Vortragsthemen

  • Deep Networks and The Imagenet Challenge
  • (Variational) Auto-Encoder
  • Generative Adversarial Networks
  • Reinforcement Learning
  • Temporal Difference Learning
  • Deep Colorization
  • Deepfake
  • GANs for Music Composition
  • GANs for Video Game Content
  • Generating Art
  • Image/Art Style Transfer
  • Matching of 3D Structures
  • Monocular Depth Estimation
  • Monte Carlo Tree Search, Alpha-Go Zero
  • Music Analysis
  • Pedestrian Detection
  • Region-Networks
  • RL with Neural Networks
  • Segmentation of (Medical) Images
  • Text to Image

Lecturers

Details

Course type
Seminars
Credits
3
Term
Summer Term 2021
E-Learning
moodle course available

Dates

Seminar
Takes place every week on Monday from 10:15 to 11:45.
First appointment is on 19.04.2021
Last appointment is on 19.07.2021

Requirements

Der Kurs Artificial Neural Networks wird dringend als Hintergrund empfohlen.


Lernziele:

  • Eigenständige Erarbeitung von Forschungsliteratur
  • Aufarbeitung des Materials und Präsentation in einem Vortrag
  • Diskussion der Inhalte in der Gruppe
  • Verbesserung des Präsentationsstils durch konstruktives Feedback

The Institut für Neuroinformatik (INI) is a central research unit of the Ruhr-Universität Bochum. We aim to understand the fundamental principles through which organisms generate behavior and cognition while linked to their environments through sensory systems and while acting in those environments through effector systems. Inspired by our insights into such natural cognitive systems, we seek new solutions to problems of information processing in artificial cognitive systems. We draw from a variety of disciplines that include experimental approaches from psychology and neurophysiology as well as theoretical approaches from physics, mathematics, electrical engineering and applied computer science, in particular machine learning, artificial intelligence, and computer vision.

Universitätsstr. 150, Building NB, Room 3/32
D-44801 Bochum, Germany

Tel: (+49) 234 32-28967
Fax: (+49) 234 32-14210