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. |