Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
BUW Logo BUW Logo
BERGISCHE
UNIVERSITÄT
WUPPERTAL
Startseite    Anmelden    Semester:  SoSe 2020   (Für die Prüfungsanmeldung und das Semesterticket muss das Semester nicht umgestellt werden.)

Seminar Angewandte Mathematik/Informatik - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Seminar Veranstaltungsnummer 182MAT521000
Semester WiSe 2018/19 SWS 2
Erwartete Teilnehmer/-innen Max. Teilnehmer/-innen
Belegung Diese Veranstaltung ist nicht belegpflichtig!
Sprache deutsch
Termine Gruppe: iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Lehrperson fällt aus am Max. Teilnehmer/-innen

Einzeltermine ausblenden
iCalendar Export für Outlook
Fr. 12:00 bis 14:00 woch 12.10.2018 bis 01.02.2019  Gebäude G - HS 08     20
Einzeltermine:
  • 12.10.2018
  • 19.10.2018
  • 26.10.2018
  • 02.11.2018
  • 09.11.2018
  • 16.11.2018
  • 23.11.2018
  • 30.11.2018
  • 07.12.2018
  • 14.12.2018
  • 21.12.2018
  • 28.12.2018
  • 04.01.2019
  • 11.01.2019
  • 18.01.2019
  • 25.01.2019
  • 01.02.2019
Gruppe :
 


Zugeordnete Personen
Zugeordnete Personen Zuständigkeit
Bolten, Matthias, Univ.- Prof. Dr.
Frommer, Andreas, Univ.- Prof. Dr.
Lang, Bruno, Univ.- Prof. Dr.
Rottmann, Matthias, Dr.
Zuordnung zu Einrichtungen
Mathematik
Inhalt
Kommentar

Active Deep Learning

In diesem Seminar werden Methoden des aktiven Lernens aus dem klassischen Maschinellen Lernen auf den Bereich Deep Learning übertragen und untersucht. Aktives Lernen kann zur Anwendung kommen wenn nur wenige Daten mit Labelinformation (der vorherzusagenden Zielgröße) vorhanden sind sowie viele Daten ohne Labelinformation. Im Aktiven Lernprozess sollen Labels zu denjenigen Daten angefragt werden (etwa bei einem Orakel), die den Lernprozess am stärksten vorantreibe. Dazu gibt es verschiedene Strategien. Im Rahmen des Seminars wollen wir Label-Query-Stragien für das aktive Lernen von Klassifikationsproblemen behandeln. Neben der didaktischen Aufbereitung und Präsentation von Strategien werden kleine Beispielcodes in Keras angefertigt, die betrachteten Methoden miteinander verglichen, und deren Machbarkeit für größere Datenmengen und komplexere Vorhersagemodelle bewertet.

Voraussetzungen

fortgeschrittenes Bachelor-Studium

Leistungsnachweis

wird erworben durch erfolgreichen Vortrag, 3 LP

Zielgruppe

Master Mathematik, Master IT, Bachelor Mathematik, IT oder Informatik in Semester 5 oder höher.

Grundkenntnisse in Numerik sind von Vorteil.


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WiSe 2018/19 , Aktuelles Semester: SoSe 2020

2007 WUSEL-Team Bergische Universität Wuppertal
Anzahl aktueller Nutzer/-innen auf qisapp02-p: 652