Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage, Deep Learning Methoden zur automatischen Bildanalyse (z.B. zur Klassifikation von Bildern oder zur Detektion von Personen) zu entwickeln und anzuwenden.
Deep Learning zur automatischen Bildanalyse:
* Kurze Übersicht über Computer Vision und Image Processing
* Machine Learning: Überblick, parametrische Modelle, iterative Optimierungsverfahren
* Feedforward Neural Networks, Backpropagation
* Convolutional Neural Networks zur Klassifikation, Detektion und Segmentierung
* Generative Modelle zur Erzeugung von Bildern
* Deep Learning für 3D- und unstrukturierte Daten
* Softwarebibliotheken und praktische Aspekte
* Preprocessing, Data Augmentation, Regularisierung, Visualisierungen
* Algorithmic Governance, Trustworthy AI und ethische Aspekte
Die in der Vorlesung vermittelten Inhalte werden im Zuge der Übung angewendet.
ECTS Breakdown: 3 ECTS = 75h
16h Vorlesung
34h Lösung der Übungsaufgaben
24h Prüfungsvorbereitung
1h Prüfung
---
75h
Voraussetzung für die Anmeldung ist eine Fortmeldung zu einem der folgenden Studien:
