piwik-script

Deutsch Intern
    Chair of Computer Science VI - Artificial Intelligence and Applied Computer Science

    Programmieren mit Neuronalen Netzen

    Termine

    • Vorlesung: Donnerstag, 10:00 - 11:30 Übungsraum II
    • Übung: Freitag, 12:15 - 13:45 Übungsraum I
    • Klausur: Donnerstag, 25. Juli 2019

    Dozenten

    Kompetenzen

    • Verständnis der Einsatzmöglichkeiten und Grenzen von NN
    • Programmierumgebungen Tensorflow/Keras, basierend auf Python & Numpy
    • Wichtige Architekturen FCN (Fully Connected), CNN (Convolutional NN),
    • LSTM (Long Short-Term Memory), Netzlayouts, Hyperparameter, Gewichtsupdate mit Gradient Descent
    • Planung von Experimenten und Auswertung
    • Lösen konkreter Aufgaben für NN
    • Nachprogrammieren von Netzstrukturen aus der Literatur
    • Methoden der Datenaufbereitung, -generierung und -augmentierung

    Inhalt

    • Grundlagen (Netztypen, Layerarten, Hyperparameter usw.; Bsp.: MNIST)
    • Implementierung von Keras Code für FCN mit Numpy (Arrays)
    • Implementierung von Keras Code für CNNs mit Numpy (Arrays)
    • Implementierung von Keras Code für LSTMs mit Numpy (Arrays)
    • Zusammenfassung und Vertiefung von FCN, CNN, LSTM
    • Praktische Anwendungen: Beispiel: Blattklassifikation mit Vorgehenstrategie, u.a. Datenaugmentierung, Pretraining, Hyperparameteroptimierung, PseudoCode für CNNs in Tensorflow/Keras mit Beispielen
    • FCN, z.B. für Bild-Segmentierung in Tensorflow/Keras
    • CTC (Sequence Modelling) in Tensorflow für OCR
    • Sequence to Sequence Text Klassifikation in Tensorflow
    • Medizinische Bildverarbeitung (2D und 3D CNN)

     

    Data privacy protection

    By clicking 'OK' you are leaving the web sites of the Julius-Maximilians-Universität Würzburg and will be redirected to Facebook. For information on the collection and processing of data by Facebook, refer to the social network's data privacy statement.

    Data privacy protection

    By clicking 'OK' you are leaving the web sites of the Julius-Maximilians-Universität Würzburg and will be redirected to Twitter. For information on the collection and processing of data by Facebook, refer to the social network's data privacy statement.

    Contact

    Lehrstuhl für Informatik VI (Künstliche Intelligenz und angewandte Informatik)
    Am Hubland
    97074 Würzburg

    Phone: +49 931 31-86731
    Email

    Find Contact