Neural Networks and Memristive Hardware Accelerators: Dr.-Ing. Richard Schroedter (#RS1)

Kurzbeschreibung

In der Vorlesung werden die Grundlagen des maschinellen Lernens, neuronaler Netze und memristiver Bauelemente vermittelt, die als Hardware-Beschleuniger dienen können. Sie verbindet Software und Hardware, Theorie und Anwendung, und bietet neben Vorlesungen und Übungen eine Einführung in Python und SPICE sowie ein forschungsorientiertes Praxisprojekt.

Schlagworte

• Digital unterstütztes Selbststudium
• Vielseitige Lernformate
• Forschungsnahes Teamprojekt

Was macht das Schmuckstück besonders?

Unser Schmuckstück, das Modul "Neural Networks and Memristive Hardware Accelerators" (NNMHA), zeichnet sich durch eine einzigartige Verbindung von KI-Software und zukunftsweisender Nanoelektronik-Hardware aus. Wir vermitteln nicht nur die praktische Anwendung relevanter Tools wie Python, PyTorch und SPICE, sondern erklären den Studierenden auch fundamental, warum neue Hardware-Paradigmen für KI unerlässlich sind, um den "von-Neumann-Engpass" zu überwinden. 

So schaffen wir ein tiefes, interdisziplinäres Verständnis. Das didaktische Herzstück ist unser forschungsorientiertes Semesterprojekt. In kleinen Teams tauchen die Studierenden tief in aktuelle Forschungsfragen ein, indem sie eigenständig KI-Modelle trainieren oder komplexe Schaltungen mit memristiven Bauelementen simulieren. Die Ergebnisse werden in einer Abschlusspräsentation vorgestellt, was nicht nur die Präsentationskompetenz stärkt, sondern auch ein wertvolles Peer-to-Peer-Learning ermöglicht. Wir machen abstrakte Theorie greifbar: Live-Demonstrationen, wie die Objekterkennung auf einem NVIDIA Jetson Nano oder die Vorführung realer Memristor-Bauelemente, verwandeln komplexe Inhalte in einprägsame, praktische Erlebnisse.

Unser innovatives Hybrid-Konzept bietet maximale Flexibilität und fördert das selbstgesteuerte Lernen. Alle Vorlesungen werden aufgezeichnet und stehen zusammen mit den vollständigen Materialien des Vorjahres als umfassendes digitales Wissensarchiv auf OPAL bereit. Dies erlaubt ein Lernen im eigenen Tempo und eine ideale Prüfungsvorbereitung. Ergänzt wird dies durch Online-Übungen, die Möglichkeit zur Mitarbeit an studentischen Forschungsprojekten (z.B. zur SPICE-Modellierung) und einen niederschwelligen, direkten Kontakt zum großen Team der Lehrenden und Betreuer. Diese Kombination aus topaktuellen Inhalten, aktivierender Projekt-Didaktik und einem lückenlosen digitalen Angebot macht unser Modul zu einem echten Schmuckstück und einer Inspiration für moderne, forschungsnahe Lehre.

Weiterführende Links

Webseite zur Lehrveranstaltung mit Links zu Materialien

Kontaktperson

Dr.-Ing. Richard Schroedter 

Organisationseinheit

Fakultät Elektrotechnik und Informationstechnik, Professur für Grundlagen der Elektrotechnik

Größe der Lehrveranstaltung

ca. 80 

Abstimmungskennung

#RS1