|
|
» keine Vorlesung:
Di 2/9 und Do 4 Dezember «
» Achtung,
neuer Vorlesungstermin: Fr → Do «
» 2024 physics Nobel Price
for machine learning, Hopfield & Hinton «
Anmeldung
Diese Vorlesung kann entweder als Wahlpflichtfach
mit 8 CP belegt werden,
oder als Teil des
Forschungs- und Laborpraktikums. In diesem Fall
werden 6 CP angerechnet.
- Als Teil des Forschungs- und Laborpraktikums
muss man sich »zwei Mal« anmelden:
- Zuerst über die entsprechende
Webseite des Forschungs- und Laborpraktikums.
- Zudem über die
Olat Seite dieser Vorlesung.
- Die Anmeldung als Wahlpflichtfach erfolgt direkt über die
Olat Seite vom ML Primer.
- Die Fristen des F&L-Praktikums sind zu beachten.
Im Rahmen des Forschungs- und Laborpraktikums kann diese
Vorlesung sowohl im Bachelor-, als aus im Master-Studium
gewählt werden, insgesamt aber nur ein Mal.
- Auch die Eintragung in die Tutorien erfolgt über die
Olat Seite von diesem Kurs.
Dies sollte bis einschließlich
der ersten Vorlesungstunde erfolgen.
Inhalt
Es wird eine Einführung in die Methoden und Konzepte
des modernen Maschinellen Lernens (ML) angeboten.
Ein wesentlicher Schwerpunkt liegt auf der
praktischen Umsetzung.
- Python dominiert Coding in ML. Daher wird es eine
kompakte Einführung in Python und PyTorch geben.
- Programmieren von Konzepten und Anwendungen wird
ein zentraler Bestandteil der Übungen sein. Idem
für die Semesterprojekte.
ML entwickelt sich schnell.
Teilnehmer sollten am Ende des Kurses in der Lage sein, ihre
Kenntnisse im ML eigenständig auf dem Laufenden zu halten.
Allgemeine Informationen
Die Vorlesung ist auf Deutsch oder Englisch, das Skript auf Englisch.
Das Skript, welches als html Slides zeitnah hochgeladen wird, enthält
zahlreiche Progamme, die zum Herunterladen und freier Weiterverwendung
zur Verfügung stehen. Ausgenommen von dieser Lizenz sind
Programme Dritter.
Skript
- Linux - Basics (supplementary information)
- AI - general trends (supplementary information)
-
- PY Python - first steps
- PY Object Oriented Programming
- PY IO & Streams
- PY Expressions, Functions & Time
- PY Utilities
- PY PyTorch Basics
- PY PyTorch Modules
- PY Acceleration / Functional Programming
- ...
- ML-01 Information Theory
- ML-01 Linear Classifier
- ML-01 Support Vector Machines - Basics
- ML-01 SVM - Soft Margins & Kernel Trick
- ML-01 Decision Trees
- ML-01 Neural Networks
- ...
- ML-02 Reinforcement Learning
- ML-02 Boltzmann Machines
- ML-02 Deep Architectures
- ML-02 Generative Architectures
- ML-02 Generative Finetuning
- ...
- ML-03 ML Trends / Scaling / Varia
- ML-03 Text Processing / Datasets
- ML-03 Bayesian Inference
- ML-03 Reservoir Computing
Organisatorisches
Erfahrungen mit Programmieren wird vorausgesetzt.
Der Lerninhalt wird von Grund auf vermittelt, allerdings
wird das Tempo vergleichsweise zügig sein.
| Vorlesung
| Di, Do 10-12 Phys __.401
| Start: Di, 14. Oktober 2024
|
| Übungen
| Mi, 11:15-13:00 (Marius Möller)
Do, 15:30-17:15 (Alejandro Alvarez)
| Start: zweite Semesterwoche
Ort: PC-Seminarraum 01.120
|
- Es besteht Präsenzpflicht in den Übungen;
maximal zweimaliges Fehlen.
- Es wird empfohlen, in (festen) Gruppen von bis zu 3 Studenten
zusammenzuarbeiten. Sowohl für die Übungen, wie
auch für die Semesterprojekte.
- Eingereichte Programme
müssen voll funktionstüchtig und kommentiert sein.
|
Semesterprojekte
- Es wird vier Semesterprojekte geben. Typischerweise sind diese
diese innerhalb von drei Wochen zu bearbeiten und einzureichen.
- Bei der Besprechung muss jeder aus der abgebenden Gruppe in der
Lage sein, das Projekt zu erklären (Anwesenheitspflicht).
- Pflicht
Für den Schein gelten die folgende Bedingungen:
- 50% der Übungen
- 3 von 4 Semesterprojekte.
- Falls ein 4. Semesterprojekt abegeben wird,
zählt dieses als 25% der Übungen.
- Anwesenheitspflicht bei Übungen und den
Besprechungen der Projekte.
- Termine:
Projekt 1: 03. Nov. 25 bis 24. Nov. 25
Projekt 2: 24. Nov. 25 bis 15. Dez. 25
Projekt 3: 15. Dez. 25 bis 12. Jan. 26
Projekt 4: 12. Jan. 26 bis 02. Feb. 26
- Details zur Abgabe werden später bekanntgegeben.
|
Prüfungen
- Für das Forschungs- und Laborpraktikums ist der
Schein unbenotet. In diesem Fall ist keine
Prüfung abzulegen.
- Falls die Vorlesung als benotetes Wahlpflichtfach belegt
wird, ist eine Prüfung notwendig.
- Ort: Büro C. Gros
Modus: eine ML Programmier-Aufgabe, Dauer 30min
- Bitte einen Laptop mitbringen, auf dem Sie die
Aufgabe durchführen können.
- Es ist erlaubt, das Internet zu benutzen und
einzelne Befehle nachzusehen.
Nicht aber
Programmierhilfen wie Co-Pilot, ChatGPT, etc.
- Aufgaben sind vom Typus
Code, train and test XYZ
- Termin wird noch bekanntgegeben.
Bitte bis zum Ende des WS anmelden.
|
Übungen / Semesterprojekte
Tutoren
- Daniel Nevermann; Phys 1.141
click to show email [Leitung]
- Alejandro Uria Alvarez
click to show email
- Marius Möller
click to show email
Supplementary Material
|
|
|