Grundlagen Neuronaler Netze (GNN)
6/7. Semester
5 ECTS | 4 SWS
Klausur 60 Minuten (K60)
Wie KI wirklich funktioniert: Du entwickelst eigene neuronale Netze, verstehst ihre Struktur und analysierst, wie sie lernen und Entscheidungen treffen.
Inhalte
- Neuronenmodelle
- Netzwerk Topologien
- Lernregeln
- Rekurrente Netze
- Dynamische Systeme
Lernziele/Kompetenzen
Die Studierenden sind in der Lage,
- Neuronale Modelle umzusetzen
- Netzwerktopologien einzuordnen
- Lernregeln zu verstehen und anzuwenden
- einfache rekurrente Neuronale Netzwerke zu verstehen
- ein Netzwerk als Dynamisches System zu analysieren
Literatur
- Fischer, Jörn: Maschinelles Lernen für Dummies, Wiley CH, ISBN: 978-3527720552, 2024
- I. Goodfellow, Y.Bengio, A. Courville : Deep Learning, MIT Press, ISBN: 978-0262035613, 2016
- Mitchell, Tom: Machine Learning. McGraw-Hill, 1997
- Zell, Andreas: Simulation Neuronaler Netze. Oldenbourg Verlag, München, 1997
Dozentinnen / Dozenten
- Prof. Dr. Jörn Fischer
- Prof. Dr. Ivo Wolf
Empfohlene Vorkenntnisse
Daten zum Modul
| Semester |
6/7 |
| Unterrichtssprache |
Deutsch |
|
Häufigkeit
|
Sommersemester
|
| Kreditpunkte |
5 |
| Modulverantwortlich |
Prof. Dr. Jörn Fischer |
| Dauer |
1 Semester |
| Studienleistung |
Keine |
| Prüfungsvorleistung |
Praktische Arbeit/Projektarbeit (PA) |
| Prüfungsleistung |
Klausur 60 Minuten (K60) |
Semesterwochenstunden
| Vorlesung |
2 SWS |
| Übung |
2 SWS |
| Summe |
4 SWS |
Arbeitsaufwand (work load)
| Vorlesung |
30 h |
| Selbststudium |
90 h |
| Aufgaben |
30 h |
| Summe |
150 h |