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* Softwarebibliotheken und praktische Aspekte* Preprocessing, Data Augmentation, Regularisierung, Visualisierungen* Gastvorträge zu medizinischen Anwendungen sowie ethische Aspekte
Die in der Vorlesung vermittelten Inhalte werden im Zuge der Übung angewendet.
Vorlesung und eigenständiges Lösen von Programmieraufgaben in Zweiergruppen.
ECTS Breakdown: 3 ECTS = 75h
16h Vorlesung34h Lösung der Übungsaufgaben24h Prüfungsvorbereitung1h Prüfung---75h
Schriftliche Prüfung (50%) und Lösung praktischer Übungsaufgaben (50%).
Voraussetzung für die Anmeldung ist eine Fortmeldung zu einem der folgenden Studien:
