Beruflich Dokumente
Kultur Dokumente
Sommersemester 2024
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 1 / 20
Inhaltsverzeichnis
1 Organisatorisches
2 Perzeptronen
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 2 / 20
Veranstaltungsziele
Lernziele
1 Die Studierenden verstehen die Konzepte der gängigsten Ansätze aus Big
Data und Deep Learning.
2 Die Studierenden können hochqualitative Programme unter Einsatz von Big
Data- und Deep Learning-Technologien zu erstellen.
3 Die Studierenden können eigene Verfahren umsetzen und gegenüber
konkurrierenden Ansätzen verteidigen.
4 Im Rahmen der Lehrveranstaltung finden Programmierübungen statt. Die
Studierenden sind damit auch in der Lage, Programme anderer
Studierenden zu verstehen, zu kritisieren und zu komplementieren.
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 3 / 20
Fahrplan
Gleichzeitig hören Sie bei Professor Glauner den Big Data Teil der Veranstaltung.
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 4 / 20
Prüfungsleistung
Paperpräsentation
Keine Klausur
Sie finden eine:n Partner:in (z.B. Ihre:n Partner:in aus dem Big Data Teil)
Gemeinsam wählen Sie bis zum 31. März ein Paper aus und posten ihre
Wahl im Forum
Sie lesen das Paper und bereiten einen 10 minütigen Vortrag vor
Vorträge werden in den letzten Vorlesungswochen präsentiert
Folien werden über iLearn abgegeben
Paper stehen Ende der Woche im iLearn
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 5 / 20
Struktur
Wissensvermittlungsphase
Erklärung der Mathematik / Theorie eines Teils
Von innen nach aussen
Praxisteil ist Übung für zu Hause
Praxisbeispiel zur Vorwoche von Ihnen erklärt
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 6 / 20
Struktur
Präsentationsphase
Präsentationen ihrer Papers in den letzten Wochen
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 7 / 20
Materialien und Fragen
Materialien
Alle Materialen werden über iLearn verteilt
Einreichung der Projektpräsentation via iLearn
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 8 / 20
Wer bin ich?
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 9 / 20
Literaturempfehlungen
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 10 / 20
Wer sind Sie?
Vorstellungsrunde
Wie heißen Sie?
Welche eine Sache weiss noch niemand hier im Raum von Ihnen?
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 11 / 20
Inhaltsverzeichnis
1 Organisatorisches
2 Perzeptronen
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 12 / 20
Deep Learning
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 13 / 20
Maschinelles Lernen
Grundlegendes
Eingänge: Merkmale oder Features
Ausgang: Zielgröße oder Target
Extrahiert Wissen aus Erfahrung
▶ Daten liefern Erfahrung
▶ Wissen wird in Parametern des Modells gespreichert
Ziel ist es Muster zu erkennen und in Modellen zu speichern
Ziel ist es nicht, Daten auswendig zu lernen
Unterscheidung in zwei Gruppen
▶ Überwachtes Lernena
▶ Unüberwachtes Lernen
a
https://nnfs.io/qtb/ zeigt ein Neuronales Netz bei der Klassifikation
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 14 / 20
Neuronale Netze
(Tiefe) neuronale Netze bestehen aus mehreren Schichten
Jede Schicht besteht aus mehreren Neuronen bzw. Perzeptronen
Neuronal ist eine Referenz auf Neurobiologie, dennoch ist die
Funktionsweise neuronaler Netze nicht dem menschlichen Gehirn
nachempfunden
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 15 / 20
Perzeptron
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 16 / 20
Perzeptron
y = f (⃗x · w
⃗ + b)
= f (x1 · w1 + x2 · w2 + . . . + xn · wn + b)
Als Code
import numpy as np
y = f(np.dot(x, w) + b)
Animiertes Beispiel unter https://nnfs.io/bkr/
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 17 / 20
Anzahl Parameter
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 19 / 20
Skalieren
Als Code
import numpy as np
y = f(np.dot(x, w.T) + b)
Animiertes Beispiel unter https://nnfs.io/mxo
Prof. Dr. Florian Wahl (AI, THD) Deep Learning Sommersemester 2024 20 / 20