Einführung in das maschinelle Lernen
Sommersemester 2025
| Umfang: | 3 SWS (2/1/0) bzw. 4 SWS (2/2/0) |
|---|---|
| Dozent: | Prof. Rafael Schaefer |
| Kursassistenten: | Dr. Martin Mittelbach, Max Wolf |
| Lehrsprache: | Deutsch (mit teilweise englischem Material) |
| Abschluss: | Beleg |
| Einordnung: |
Bestandteil des Pflichtmoduls Digitale Medizintechnik
|
| OPAL-Webseite: | https://bildungsportal.sachsen.de/opal/auth/RepositoryEntry/39191543818 |
Aktuelles
-
[18.03.2025] Durchführung im Sommersemester 2025
Die Lehrveranstaltung Einführung in das maschinelle Lernen wird im Sommersemester 2025 als Präsenz-Lehrveranstaltung durchgeführt. -
[18.03.2025] Einschreibung über OPAL
Für die Teilnahme an der Lehrveranstaltung Einführung in das maschinelle Lernen ist die Einschreibung in den entsprechenden OPAL-Kurs unter nachfolgendem Link erforderlich: OPAL-Einschreibung.
Bitte schreiben Sie sich möglichst bis Dienstag, den 08.04.2025, ein, damit Sie alle erforderlichen Informationen zur Teilnahme erhalten. -
[18.03.2025] Pfingstexkursion des Instituts für Nachrichtentechnik
Die Professur für Informationstheorie und maschinelles Lernen organisiert dieses Jahr die Pfingstexkursion des Instituts für Nachrichtentechnik. Die Exkursion findet im Zeitraum vom 10.06.2025 bis 12.06.2025 statt und richtet sich an Studierende der Fakultät Elektrotechnik und Informationstechnik. Detaillierte Informationen und der Link zur Anmeldung sind auf der Webseite der Exkursion zu finden:
https://tu-dresden.de/ing/elektrotechnik/ifn/itml/die-professur/news/pfingstexkursion-informationstechnik-2025.
Ort und Zeit
| Veranstaltung | Tag | Zeit | Woche | Ort |
|---|---|---|---|---|
| Vorlesung | Mi | 4. DS | GÖR 229 | |
| Übung / Tutorium | Do | 5. DS | GÖR 229 |
eventuelle Terminverschiebungen siehe Tabelle
Inhalt
Inhalt der Lehrveranstaltung ist eine Einführung in das maschinelle Lernen. Diese umfasst einen Überblick über grundlegende Strukturen, Konzepte und Algorithmen des maschinellen Lernens und des Deep Learnings einschließlich anwendungsbezogener Entwurfs-, Klassifikations- und Trainingsmethoden. Es werden typische und aktuelle Problemstellungen und Anwendungsbereiche des maschinellen Lernens diskutiert und einer kritischen Bewertung unterzogen. Es werden außerdem praktische Erfahrungen im Entwurf, dem Training und der Implementierung künstlicher neuronaler Netze für verschiedene Anwendungsgebiete unter Verwendung der Programmiersprache Python und der Open-Source-Programmbibliothek PyTorch vermittelt.
Es werden grundlegende Kenntnisse der linearen Algebra und der Analysis vorausgesetzt. Vorkenntnisse in der Programmiersprache Python sind von Vorteil, aber keine notwendige Voraussetzung.
Termine / Material
Die folgende Tabelle enthält alle Termine für Vorlesungen (V) und Übungen / Tutorien (ÜT) sowie die entsprechenden Lehrmaterialien zu den einzelnen Veranstaltungen.
| Woche | Datum | DS | V / ÜT | Bemerkung / Material |
|---|---|---|---|---|
| 15 | 09.04.2025 | 4. | V | Folien 0. Organisatorisches, JupyterHub - Getting Started, Testdateien (ZIP) Folien 1. ML Basics Folien 1. ML Basics (kommentiert) |
| 16 | 16.04.2025 | 4. | V | Folien 2. Computation Graphs and Backpropagation |
| 17 | 23.04.2025 | 4. | V | |
| 18 | 30.04.2025 | 4. | V | |
| 19 | 07.05.2025 | 4. | V | |
| 20 | 14.05.2025 | 4. | V | |
| 21 | 21.05.2025 | 4. | − | dies academicus |
| 22 | 28.05.2025 | 4. | V | |
| 23 | 04.06.2025 | 4. | V | |
| 24 | 11.06.2025 | 4. | − | Pfingstferien |
| 25 | 18.06.2025 | 4. | V | |
| 26 | 25.06.2025 | 4. | V | |
| 27 | 02.07.2025 | 4. | V | |
| 28 | 09.07.2025 | 4. | V | |
| 29 | 16.07.2025 | 4. | V |
Prüfungsleistung
Die Leistungspunkte für diese Lehrveranstaltung können durch einen Beleg erworben werden.
Kontakt
Kommentare und Fragen zur Vorlesung bitte an:
Prof. Rafael Schaefer
Kommentare und Fragen zu Übung, Tutorium und Hausaufgaben bitte an:
Dr. Martin Mittelbach