Neuronale Netze und Anwendungen

11B1595

Bachelor

Deutsch

5.0

unregelmäßig

1 Semester

Die Technik neuronaler Netze als Teilgebiet der KI hat sich zu einem unverzichtbaren und effizienten Werkzeug bei vielen ingenieurwissenschaftlichen Fragestellungen entwickelt. Die Methoden neuronaler Netze sowie ihre möglichen  Anwendungsgebiete (z.B. Regressionsaufgaben, Prognosen und Bildklassifikationen) werden demonstriert und eingeübt.  

1. Motivation und biologische Grundlagen

2. Datenanalytische Grundlagen

3. Theorie neuronaler Netze (Perzeptron, Multilayerperzeptron, Lernverfahren, Gütekriterien, Deep Learning, Generalisierung)

4. Anwendungsspezifische neuronale Netze (wie z. B. Regression, Bildklassifikation, Zeitreihenprognose)

5. Kennenlernen von Softwarebibliotheken zur Erstellung und Verwendung neuronaler Netze

Der Arbeitsaufwand für das Modul umfasst insgesamt 150 Stunden (siehe auch "ECTS-Leistungspunkte und Benotung").

• Hausarbeit oder
• Klausur oder
• mündliche Prüfung

Hausarbeit: 10-15 Seiten

Klausur: siehe jeweils gültige Studienordnung

Mündliche Prüfung: siehe Allgemeiner Teil der Prüfungsordnung

Es werden Grundkenntnisse der Differential- und Integralrechnung als auch Kenntnisse bei Funktionen mit mehreren Veränderlichen vorausgesetzt. 

Hilfreich sind ebenso Kenntnisse zur linearen Regression.

Studierende, die dieses Fach erfolgreich studiert haben, kennen die gängigen Netstrukturen und Lernverfahren. Sie besitzen ein theoretisches Hintergrundwissen und können das Potenzial neuronaler Netze einschätzen. Sie kennen typische Anwendungen neuronaler Netze und haben gelernt, neuronale Netze für praxisorientierten Beispiele zu erstellen und zu verwenden.

Die Studierenden, die dieses Modul erfolgreich studiert haben, verfügen zusätzlich über Grundkenntnisse in den Gebieten Datenanalyse, Statistik und weiteren Methoden wissensbasierter Systeme. Das Modul wiederholt und vertieft zumTeil bereits erworbene Grundkenntnisse der Module Mathematik 1 und 2 sowie der Programmierung 1 und 2.

Die Studierenden lernen grundlegende Vorgehensweisen der Datenanalyse kennen. Sie lernen die Potenzialfelder neuronaler Netze kennen und können diese zur Lösung datenbasierter Problemstellungen nutzen. Sie lernen dazu einige Werkzeuge und Bibliotheken zur Erstellung neuronaler Netze kennen und bedienen.

• Gervens, Theodor

• Gervens, Theodor