Einleitung
Das Fachprojekt "Machine Learning" vermittelt Studierende ein tiefergehendes Verständnis und Programmiererfahrung von etablierten und aktuellen Machine Learning Methoden auf verschiedenen praktische Anwendungen.
Im Mittelpunkt des Projekts steht die generative Modellierung, die sich, wie der Name schon sagt, mit der Erzeugung künstlicher Daten befasst.
Anwendung
Generative Modelle können vielseitig eingesetzt werden, wie beispielsweise:
- Textbeschreibung in Bilder umwandeln
- Neue Musik erzeugen
- Resolution, Raytracing und FPS Verbesserung in Videospielen
- Aus einem Bild ein Video erzeugen
Inhalt
Durch die Bearbeitung der folgenden Aufgaben wird den Studierenden ein fundiertes Verständnis vermittelt:
1 - Grundlagen:
Anfangs wird den Studierenden erklärt, wie Deep Neural Networks mithilfe von Python und PyTorch erstellt und trainiert werden können. Außerdem erhalten sie eine Einführung in die theoretischen Grundlagen von Generative Modeling Methoden.
3 - Implementierung:
Danach wird das Paper von der Gruppe nachimplementiert und eventuell auf unterschiedlichen Datensätzen angewandt. Die Gruppen-Programmierung verwendet GitHub.
2 - Präsentation eines Papers:
Die Studierenden arbeiten in Gruppen von vier Personen zusammen. Jede Gruppe sucht sich ein einsteiger-freundliches Paper aus, das sie liest und anschließend präsentiert.
4 - Abschlusspräsentation:
Jede Gruppe fasst ihre Ergebnisse und wichtigsten Erkenntnisse in einer Abschlusspräsentation zusammen.
Voraussetzungen
Die Studierenden sollten solide Kenntnisse in den folgenden Kursen haben:
- Vertrautheit mit der Programmiersprache Python
- Mathematik für Informatik 1 (Mafi1)
- Mathematik für Informatik 2 (Mafi2) oder
- Höhere Mathematik I (HöMa1)
- Höhere Mathematik II (HöMa2)
Empfohlene Kurse:
- Probabilistic Reasoning and Machine Learning (PRML)