piwik-script

Intern
    Lehrstuhl für Informatik VI - Künstliche Intelligenz und Angewandte Informatik

    Vorlesung: Programmieren mit neuronalen Netzen

    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)