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     

Deep Learning Masterclass 1 - Einzelansicht

Grunddaten
Veranstaltungsart Blockveranstaltung/Kompaktseminar Learnweb   Logo Learnweb
Veranstaltungsnummer 3119 Kurztext
Semester SoSe 2019 SWS
Erwartete Teilnehmer/-innen Max. Teilnehmer/-innen
Rhythmus Studienjahr / Zielgruppe
Credits
Hyperlink   Evaluation Ja (als gesamte Veranstaltung - Papier)
Sprache englisch
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
Mo. 08:00 bis 18:00 c.t. Einzeltermin am 27.05.2019 Pavillon 2 (Samelson-Campus) - P2a Spl (Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Di. 08:00 bis 12:30 c.t. Einzeltermin am 28.05.2019 Gebäude C (Samelson-Campus) - C 213 (Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Di. 14:00 bis 18:00 c.t. Einzeltermin am 28.05.2019 Gebäude B (Samelson-Campus) - B 141 (Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Di. 08:00 bis 18:00 c.t. Einzeltermin am 11.06.2019 Exkursionswoche Gebäude B (Samelson-Campus) - B 025 (Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Mi. 08:00 bis 18:00 c.t. Einzeltermin am 29.05.2019 Pavillon 2 (Samelson-Campus) - P2a Spl (Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Mi. 08:00 bis 18:00 c.t. Einzeltermin am 12.06.2019 Exkursionswoche Gebäude B (Samelson-Campus) - B 025 (Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Do. 08:00 bis 18:00 c.t. Einzeltermin am 13.06.2019 Exkursionswoche Gebäude B (Samelson-Campus) - B 025 (Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Fr. 08:00 bis 12:00 c.t. Einzeltermin am 31.05.2019 Gebäude G (Hauptcampus) - G 005 (Großer Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Fr. 14:00 bis 18:00 c.t. Einzeltermin am 31.05.2019 Gebäude B (Samelson-Campus) - B 025 (Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Fr. 08:00 bis 18:00 c.t. Einzeltermin am 14.06.2019 Exkursionswoche Gebäude B (Samelson-Campus) - B 025 (Seminarraum) Raumplan        
Gruppe 1-Gruppe:


Zugeordnete Personen
Kontaktperson (durchführend) Zuständigkeit
Krohn-Grimberghe, Artus, Dr. rer. nat. verantwortlich und durchführend
Weitere Person Zuständigkeit
Schmidt-Thieme, Lars, Professor Dr. Dr. verantwortlich, nicht durchführend
LSF - Module
Modulkürzel Modultitel
0ERA-6LP Veranstaltungen mit 6 Credits f. ausl. Programmstud. (ERASMUS)
MDA-MetSp6 Methodological Specialization (6 CP)
MIT-V6KIMa Gebiet KIML (WINF/IMIT), Vorl 6AP (MA vor PO 2014)
MIT-V6KIML Gebiet KIML (IMIT), Vorl 6 AP (MA ab PO 2014)
MWI-BI6LP Prüfung im Modul Business Intelligence mit 6 LP
Zuordnung zu Einrichtungen
Abt. Wirtschaftsinformatik und Maschinelles Lernen
Inhalt
Lerninhalte

This 10-day full-time instructor-led deep-dive course for coders consists of three parts. The first part, an overview over deep learning and deep neural networks, which problems they are applicable to, how they work and how they are implemented on a very high level (using pytorch building blocks to be precise) on day 1. The second part teaches how to code deep learning using deep neural networks efficiently for various problem settings such as image classification, multi-class classification, tabular data, audio, image segmentation, superresolution, neural style transfer, GAN and NLP on days 2-6. The third part re-creates large parts of fast.ai and pytorch as an optional module for those who want to dive deep into the inner workings of deep learning during days 7-10.

The days of this course are structured such that the mornings consist of recorded lectures presenting the jupyter notebooks with the course contents and the afternoons consist of paper reading and presentation groups (reading several of the original seminal and brand new publication that drive the field), code presentation groups and guided coding and q&a sessions.Participants are encouraged to apply the learned content on their own datasets or rehearse or prepare materials during the evenings.


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SoSe 2019 , Aktuelles Semester: WiSe 2019/20
Impressum      Datenschutzerklärung     Datenschutz