Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

053630 SE Research Seminar (2021W)

Deep Learning

4.00 ECTS (3.00 SWS), SPL 5 - Informatik und Wirtschaftsinformatik
Prüfungsimmanente Lehrveranstaltung
GEMISCHT
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 25 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Soweit es die Entwicklung der Pandemie zulässt werden die Seminarvorträge vor Ort stattfinden. Wir werden versuchen, Streams der Vorträge über die Lernplattform Moodle zu organisieren. Nach Möglichkeit möchten wir aber alle Teilnehmer*innen bitten, das Seminar vor Ort besuchen.

  • Montag 04.10. 09:45 - 11:15 Seminarraum 5, Kolingasse 14-16, EG00
  • Montag 11.10. 09:45 - 11:15 Seminarraum 5, Kolingasse 14-16, EG00
  • Montag 18.10. 09:45 - 11:15 Seminarraum 5, Kolingasse 14-16, EG00
  • Montag 25.10. 09:45 - 11:15 Seminarraum 5, Kolingasse 14-16, EG00
  • Montag 08.11. 09:45 - 11:15 Seminarraum 5, Kolingasse 14-16, EG00
  • Montag 15.11. 09:45 - 11:15 Seminarraum 5, Kolingasse 14-16, EG00
  • Montag 22.11. 09:45 - 11:15 Seminarraum 5, Kolingasse 14-16, EG00
  • Montag 29.11. 09:45 - 11:15 Seminarraum 5, Kolingasse 14-16, EG00
  • Montag 06.12. 09:45 - 11:15 Seminarraum 5, Kolingasse 14-16, EG00
  • Montag 13.12. 09:45 - 11:15 Seminarraum 5, Kolingasse 14-16, EG00
  • Montag 10.01. 09:45 - 11:15 Seminarraum 5, Kolingasse 14-16, EG00
  • Montag 17.01. 09:45 - 11:15 Seminarraum 5, Kolingasse 14-16, EG00
  • Montag 24.01. 09:45 - 11:15 Seminarraum 5, Kolingasse 14-16, EG00
  • Montag 31.01. 09:45 - 11:15 Seminarraum 5, Kolingasse 14-16, EG00

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Im Seminar werden die Grundlagen und herausragende Anwendungsbeispiele von Deep Learning besprochen. Weiterführend betrachten wir ausgewählte mathematische Aspekte von Deep Learning und Themen aus dem Gebiet des Scientific Machine Learning.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Vortrag im Seminar, schriftliche Ausarbeitung, Mitarbeit im Seminar.

Mindestanforderungen und Beurteilungsmaßstab

Die Note setzt sich aus drei Teilaspekten zusammen: Vortrag im Seminar (40 %), Ausarbeitung (40 %) und Mitarbeit im Seminar (20 %). Grundvoraussetzung für ein Bestehen des Seminars ist eine positive Benotung des Vortrags und der Ausarbeitung, sowie eine Teilnahme an mindestens 80 % der Vortragstermine.

Prüfungsstoff

Literatur

Eine Liste möglicher Themen und die dazugehörige Literatur werden über Moodle verfügbar gemacht und in der ersten Sitzung (4.10) besprochen.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mi 27.09.2023 00:11