|
|
» Maschinelles Lernen -
Python - KI Kompetenzen «
» 2024 Physics Nobel Prize
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, der Umfang ist davon
nicht betroffen.
- 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 der Vorlesung.
- 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.
- Die Anmeldung als Wahlpflichtfach erfolgt direkt über die
Olat Seite vom ML Primer.
Die Anmeldung über Olat wird nach der
Einführungsveranstaltung freigeschaltet.
- Dies sollte in der ersten
Vorlesungswoche 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 und dem Erwerb von KI Kompetenzen.
In diesem Rahmen wird es eien kompakte Einführung in
Python und PyTorch geben.
ML entwickelt sich schnell.
Teilnehmer sollten am Ende des Kurses in der Lage sein, ihre
Kenntnisse im ML eigenständig auf dem Laufenden zu halten.
Aufbau / Struktur
Zu den einzelnen Komponenten der Vorlesung.
- (Aktiv-) Vorlesung
Es wird erwartet, dass sich die Studierenden
melden, diskutieren und aktiv an ihrem Laptop
mitarbeiten.
- z.B., um Program-Beispiele der Vorlesung
herunterzuladen
und auszuprobieren.
- Oder um KI-Themen nachzuschlagen
und mit anderen zu besprechen.
- Falls leise, sind fach-bezogene Unterhaltungen
erwünscht.
- Neuigkeiten aus der Welt der KI können jederzeit
vorgestellt werden.
Passive Teilnehmer werden gebeten, sich nach
hinten zu setzen.
- Vorlesungs-Quiz
Ein einfaches Quiz, welches instantan von einem
LLM ausgewertet wird. Es dient der eigenen
Rückmeldung.
- Übungen
Die Übungsblätter dienen primär der Entwicklung
von KI-Kompetenzen. Sekundär können
klassische Programmier- oder ML-Aufgaben gestellt werden.
- Übungsblätter werden nicht abgegeben,
korrigiert oder vom Tutor besprochen.
- Es obliegt den Studierenden, sich in den Tutorien
zu melden und Ergebnisse vorzustellen; oder
nachzufragen.
- Gruppen-Themen
Diese sind der zentrale Teil der Tutorien.
- Themen sind entweder fachbezogen, oder
für KI-Kompetenzen relevant.
- Die Themen werden in den Tutorien
typischerweise für 20-30 min in Gruppen
bearbeitet, die Ergebnisse mit allen
diskutiert.
- Falls erwünscht oder notwendig, können
Themen wiederholt aufgegriffen werden.
- Vorschläge seitens der Studierenden sind
ausdrücklich erwünscht.
- Semester-Projekte
Einzelwissen zu einem eigenständigen
Projekt zusammenfügen.
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
- AI - general trends (supplementary information)
- Linux - Basics (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,
das Tempo vergleichsweise zügig.
| Vorlesung
| Di, Fr 10-12 Phys __.401
| Start: Di, 13. Oktober 2026
|
| Übungen
| Mi, 14:15-16:00
| Start: zweite Semesterwoche
Ort: Phys 01.402
|
- Es besteht Präsenzpflicht sowohl in den Übungen, wie
auch in der Vorlesung; jeweils maximal vier-maliges Fehlen.
- Keine Handys; außer in der letzten Reihe.
- Für die Projekte wird empfohlen, in geeigneten
Gruppen zusammenzuarbeiten.
|
Semesterprojekte / Schein
- 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
anwesend und in der Lage sein, das Projekt zu erklären.
- Übungen sind nicht abzugeben.
- Pflicht
Für den Schein gelten die folgende Bedingungen:
- Präsenz ✓
- alle 4 Semesterprojekte, oder
3 Semesterprojekte plus 50% vom Vorlesungsquiz.
- Abschlussprüfung:
- Prüfungsstoff:
-- Vorlesung (mündlich/schriftlich);
Übungszettel
-- Programmieren / ML / KI-Kompetenzen
-
für unbenotete Scheine genügt es, zu bestehen
- Termine
:: TBA
|
Prüfung
|
Übungen / Semesterprojekte
Tutoren
- Daniel Nevermann; Phys 1.141
click to show email [Leitung]
- Daniel Lozano-Gomez
click to show email
Supplementary Material
|
|
|