Wintersemester 2020/21

Alle notwendigen Informationen und Links zu Lehrveranstaltungen im Wintersemester 2020/21 sind, gegliedert nach den Lehrveranstaltungen, auf dieser Seite zu finden. Alle Fragen an die Lehrenden stellen Sie bitte in den Lehrveranstaltungen bzw. über die jeweils genutzten Plattformen - nicht in individuellen E-Mails an die Lehrenden.

Bachelor:

Stochastik in der technischen Anwendung

Beginn der Vorlesung: Montag den 02.11.2020
Beginn der Übung: Donnerstag den 09.11.2020 (vorrausichtlich)

Sowohl die Vorlesung, als auch die Übungen finden digital statt. Genutzt wird neben vorab aufgezeichneten Videos auch das Konferenzsystem des DFN. Bitte schreiben Sie sich in den Moodlekurs ein, dort sind weitere Instruktionen bzgl. der Teilnahme via DFN hinterlegt.

Intelligente Technische Systeme

Beginn der Vorlesung: Montag den 02.11.2020

Sowohl die Vorlesung als auch die Übungen finden digital statt. Es existieren Videos (zum Download, keine Streams), mittels derer eine Erklärung zu den ausgegebenen Folien und auch zum organisatorischen Prozedere und auch zu den Übungen erfolgt, als Ersatz der Präsenzvorlesung. Folien, Übungsblätter, Videos und weitere Materialien finden Sie ab dem 2. November 2020 auf der Moodle-Seite des Kurses.

Seminar Machine Learning (Bachelor)

Die Einführungsveranstaltung findet am 02.11.2020 um 16:00 Uhr statt.

Meeting-Informationen (Webex):

Die Einführungsveranstaltung und alle anderen Treffen werden voraussichtlich über ein Konferenzsystem abgehalten. Haben Sie Interesse an der Teilnahme, dann schau Sie doch einfach bei der Einführungsveranstaltung vorbei. Bei Fragen bitte mich kontaktieren.

Kontakt Person:
Florian Heidecker
florian.heidecker@uni-kassel.de

Master:

Labor Deep Learning

Die Einführungsveranstaltung wird am 05.11.2020 um 14:00 stattfinden.

Genutzt wird dazu das Konferenzsystem des DFN. Bitte schreiben Sie sich in den Moodlekurs ein, dort sind weitere Instruktionen bzgl. der Teilnahme via DFN hinterlegt. Die Teilnehmerzahl kann bei zu hoher Zahl an Interessenten begrenzt werden. Eine Auswahl erfolgt dann anhand von Vorkenntnissen.Die komplette Veranstaltung findet digital statt.

Die Veranstaltung wird im „flipped classroom“-Konzept durchgeführt. Dies bedeutet, dass Studierende abwechselnd ein Kapitel in einem ausgewählten Buch lesen und Übungen bearbeiten. Zusätzlich gibt es Termine für Fragen und die Bearbeitung der Übungsaufgaben. Dabei werden grundlegende und weiterführende Techniken des Deep Learning behandelt, beispielsweise:

  • Grundlagen in PyTorch
  • Training unter Verwendung von GPUs
  • Einfache tiefe Neuronale Netze, Convolutional Neural Networks
  • Generative Adversarial Networks
  • Recurrent Neural Networks, Long Short Term Memory
  • Invertable Neural Networks
  • Autoencoder, Variational Autoencoder

Gegen Ende des Kurses werden die erlernten Kenntnise in einem Projekt in technischer Anwendung wie z.B. Computer Vision oder andere aktuelle Forschungsthemen angewendet.

Pattern Recognition and Machine Learning I

Beginn der Übung: Mittwoch den 04.11.2020 (vorrausichtlich)

Sowohl die Vorlesung als auch die Übungen finden digital statt. Genutzt wird dazu das Konferenzsystem desDFN. Bitte schreiben Sie sich in den Moodlekurs ein, dort sind weitere Instruktionen bzgl. der Teilnahme via DFN hinterlegt.

Die Vorlesung beschäftigt sich mit Grundlagen der Mustererkennung aus einer probabilistischen Sichtweise. Folgende Themen werden besprochen:

  • Grundlagen (u.a. Stochastik, Modellselektion, Curse of Dimensionality, Entscheidungs- und Informationstheorie)
  • Verteilungen (u.a. Multinomial-, Dirichlet-, Gauss- und Student-Verteilung, Nichtparametrische Schätzung)
  • Lineare Modelle fürRegression
  • Lineare Modelle für Klassifikation
  • Neuronale Netze
  • Kernel-Verfahren

Seminar (Master) incl. Seminar Smart Mechatronic Systems

Die Einführungsveranstaltung findet am 02.11.2020 um 16:00 Uhr statt.

Meeting-Informationen (Webex):

Die Einführungsveranstaltung und alle anderen Treffen werden voraussichtlich über ein Konferenzsystem abgehalten. Haben sie Interesse an der Teilnahme, dann schau sie doch einfach bei der Einführungsveranstaltung vorbei, die Zugangsdaten finden sie unten. Bei Fragen bitte mich kontaktieren.

Kontakt Person:
Florian Heidecker
florian.heidecker@uni-kassel.de