101.722 AKANW: Projektpraktikum aus Techn.Mathematik Maschinelles Lernen: Theorie und Anwendung
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2021S, PR, 5.0h, 7.5EC
TUWEL

Merkmale

  • Semesterwochenstunden: 5.0
  • ECTS: 7.5
  • Typ: PR Projekt
  • Format der Abhaltung: Distance Learning

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage, die Theorie gewisser Methoden des maschinellen Lernens zu verstehen und entsprechende Algorithmen zu implementieren.  Ausgewählte aktuelle Anwendungsprobleme werden auf diese Art und Weise gelöst.

Inhalt der Lehrveranstaltung

Dieses Mal ein Fokus auf Reinforcement learning (RL) und aktuelle Anwendungen wie z.B.

  • deep RL,
  • RL mit Funktionsapproximation in wissenschaftlichen und medizinischen Anwendungen,
  • autonomes Fahren,
  • Algorithmen für Computerspiele (Atari 2600, ALE (arcade learning environment)),
  • Algorithmen für Go (Brettspiel),
  • etc.

Theorie: Konvergenz und Komplexität der verschiedenen Algorithmen.

Methoden

Methoden des Reinforcement learning, des supervised und des unsupervised learning.

Prüfungsmodus

Prüfungsimmanent

Weitere Informationen

Vorbesprechung: Do., 4.3., um 14:00 via GoToMeeting.

==========

PR maschinelles Lernen 

Nehmen Sie an meinem Meeting per Computer, Tablet oder Smartphone teil. 
https://global.gotomeeting.com/join/385369605 

Sie können sich auch über ein Telefon einwählen. 
Österreich: +43 1 2060 92967 

Zugangscode: 385-369-605 

Nehmen Sie über einen Videokonferenzraum oder ein Videokonferenzsystem teil. 
Einwählen oder Eingabe: 67.217.95.2 oder inroomlink.goto.com 
Meeting-ID: 385 369 605 
Oder Direktwahl: 385369605@67.217.95.2 oder 67.217.95.2##385369605 

Sie kennen GoToMeeting noch nicht? Installieren Sie jetzt die App, damit Sie für Ihr erstes Meeting bereit sind:https://global.gotomeeting.com/install/385369605 

Vortragende Personen

Institut

Leistungsnachweis

Implementierung und Dokumentation.

LVA-Anmeldung

Nicht erforderlich

Curricula

StudienkennzahlSemesterAnm.Bed.Info
860 GW Gebundene Wahlfächer - Technische Mathematik

Literatur

Es wird kein Skriptum zur Lehrveranstaltung angeboten.

Vorkenntnisse

Lineare Algebra, Analysis.  Erfahrung mit Programmiersprachen wie Julia oder Python.

Weitere Informationen

Sprache

bei Bedarf in Englisch