Wenn Sie diesen Text sehen, ist auf ihrem Gerät noch nicht das neue Layout geladen worden. Bitte laden Sie diese Seite neu (ggf. mit gedrückter 'Shift'- oder 'Alt'-Taste) oder in einem 'privaten Fenster'.
Weitere Hinweise unter https://www.uni-hildesheim.de/wiki/lsf/faq/fehler.im.layout.

Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     

Semi-supervised, Weakly Supervised, and Self-supervised Learning - Einzelansicht

Grunddaten
Veranstaltungsart Vorlesung Learnweb   Logo Learnweb
Veranstaltungsnummer 3619 Kurztext SSL
Semester SoSe 2022 SWS 2
Erwartete Teilnehmer/-innen 20 Max. Teilnehmer/-innen 40
Rhythmus i.d.R. jedes 2. Semester Studienjahr / Zielgruppe
Credits 6 Anmeldung Anmeldepflicht , Vergabe: Automatisch(Losen) (?)
Hyperlink   Evaluation Ja - Präsenzbogen
Sprache englisch
Anmeldefristen Anmeldung (Einzelvergabe) 07.03.2022 - 13.04.2022 23:59:59

Anmeldepflicht
Abmeldung bis Ende VL-Zeit 15.04.2022 - 22.07.2022 23:59:59

Anmeldepflicht
Termine Gruppe: 1-Gruppe iCalendar Export
  Tag Zeit Rhythmus Dauer Raum (mögliche Änderungen beachten!) Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export
Do. 12:00 bis 14:00 c.t. wöchentlich 21.04.2022 bis 21.07.2022  Gebäude J (Hauptcampus) - J 207 (Lernwerkstatt Sachunterricht) Raumplan        
Gruppe 1-Gruppe:


Zugeordnete Person
Kontaktperson (durchführend) Zuständigkeit
Landwehr, Niels, Professor Dr. verantwortlich und durchführend
Studiengänge
Abschluss Studiengang Semester ECTS Kontingent
Master M.Sc. Data Analytics
Master M.Sc. IMIT Studienvar. AI
Master M.Sc. Informationsmanagm.
LSF - Module
Modulkürzel Modultitel
DSc_SSL Semi-supervised, Weakly Supervised, and Self-supervised Learning
Zuordnung zu Einrichtungen
Abt. Data Science
Inhalt
Voraussetzungen

Completion of the module "Machine Learning" or similar prior knowledge in the area of machine learning is highly recommended. Completion of the module "Deep Learning" or the simultaneous enrollment in the module "Deep Learning" is recommended.

 

Lerninhalte

The lecture will discuss several fields of machine learning that go beyond the traditional setting of supervised learning, by training predictive models with little or no labeled data.

This includes semi-supervised learning approaches, which exploit unlabeled data; transfer learning approaches, which exploit labeled data from different but related domains; and self-supervised learning approaches that exploit other training signals than the output labels used in standard supervised learning. The lecture will often discuss such approaches based on concrete application problems.

 



Zu dieser Veranstaltung gehört folgende Übung
Nr. Beschreibung SWS
3620 Semi-supervised, Weakly Supervised, and Self-supervised Learning 2

Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SoSe 2022 , Aktuelles Semester: WiSe 2022/23
Impressum      Datenschutzerklärung     Datenschutz      Datenschutzerklärung     Erklärung zur Barrierefreiheit