Kursinhalte:
• Auffrischung des Hintergrundwissens
• Deep Feedforward Netze
• Regularisierung im Deep Learning
• Optimierung zum Training tiefer Netze
• Convolutional tiefe Netze
• Modelierung von Sequenzen durch Rekordernte und Rekursive Netze
• Lineare Faktor Modelle
• Autoenkoder
• Repräsentationslernen
• Strukturierte Probabilistische Modelle zum Deep Learning
• Monte Carlo Methoden
• Approximative Inferenz
• Tiefe generative Modelle
• Deep Reinforcement Learning
• Deep Learning in Vision
• Deep Learning in NLP
- Dozent*in: Quentin Delfosse
- Dozent*in: Dominik Hintersdorf
- Dozent*in: Kristian Kersting
- Dozent*in: Hikaru Shindo