Machine Learning: Methods and Tools

Vortragende/r (Mitwirkende/r)
Nummer0000003425
Art
Umfang4 SWS
SemesterWintersemester 2018/19
UnterrichtsspracheEnglisch
Stellung in StudienplänenSiehe TUMonline

Termine

Teilnahmekriterien & Anmeldung

Lernziele

Nach der Teilnahme an den Modulveranstaltungen kennt und beherrscht der Studierende in differenzierter Weise grundlegende Methoden und Algorithmen des Maschinellen Lernens. Er/sie ist in der Lage diese im Ingenieursalltag bei Entwurfsaufgaben der Mikroelektronik anzuwenden. Darüber hinaus ist er/sie in der Lage, sich in weitere Spezialgebiete des Maschinellen Lernens einzuarbeiten. Er/sie kennt die Einbettung des Maschinellen Lernens in die digitale Transformation und ist sich der gesellschaftlichen Chancen und Risiken bewusst.

Beschreibung

**Vorlesung, Übung und Praktikum** Digitale Transformation und Maschinelles Lernen; Python, Standardbibliotheken, SciPY und NumPy; Theorie des Maschinellen Lernens, Regularisierung, Fehler und Rauschen; Datenanalyse, Pre-Processing, Visualisierung: Einführung in Algorithmen des Maschinellen Lernens; Einführung in vorwärtsgekoppelte Neuronale Netze und faltende neuronale Netze, RNNs, LSTM; Trainieren von neuronalen Netzen, Aufmerksamkeitsmodelle, unbeaufsichtiges Lernen, bestärkendes Lernen, Hyperparameter-Optimierung;

Inhaltliche Voraussetzungen

Kenntnisse in Linearer Algebra, Analysis und Statistik, Kenntnisse einer Programmiersprache z.B. C, C++, Java

Lehr- und Lernmethoden

Vorlesung und Übung sind als interaktiver Frontalunterricht gestaltet. Durch Projektion von Folien und Tafelanschrieb werden in der Vorlesung die zu lehrenden Algorithmen Schritt für Schritt und unter Beteiligung der Lernenden entwickelt. In der Übung findet Arbeitsunterricht durch Vorrechnen und gemeinsames Rechnen von Aufgaben statt. Dabei werden Algorithmen beispielhaft und wiederholt eingesetzt. Die Studierenden bereiten sich auf Vorlesung und Übung durch Studium der Unterlagen vor und bereiten durch Selbststudium den durchgenommenen Stoff nach. Eigene Literaturrecherchen sind Teil des Selbststudiums. In einem Praktikumsteil werden den Studierenden praktische Probleme aus dem Bereich der Mikroelektronik zur selbständigen Lösung gestellt. Die gestellten Aufgaben umfassen praxisrelevante Anwendungen des Maschinellen Lernens beim automatischen Entwurf integrierter Schaltungen und Systeme.

Studien-, Prüfungsleistung

Die Prüfung besteht aus 2 Teilen: - einem praktischen Teil (50%) und einer - mündlichen Prüfung (50%) am Ende der Vorlesungszeit. Der praktische Teil findet in einem Rechnerraum an der TUM statt. Die Studenten haben 3 Stunden Zeit, eine praktische Entwurfsaufgabe aus dem Bereich der Mikroelektronik mit den Methoden des Maschinellen Lernens zu lösen. Die mündliche Prüfung dauert 30 Minuten, es werden jeweils zwei Studenten zusammen geprüft. Sie umfasst ** Verständnisfragen zum Prüfen des Wissens, ** Handrechnungsaufgaben zum Prüfen des Könnens, ** Fragen zu den praktischen Übungen und ** Hintergrundfragen.

Empfohlene Literatur

Maschinelles Lernen - Grundlagen und Algorithmen in Python, Frochte J., Hanser Fachbuch * Einführung in Python 3, Klein B., Hanser Fachbuch. * Learning from Data, Abu-Mostafa, Yaser S. et al., AMLBook 2012. * Deep Learning, Goodfellow, Ian et al, The MIT Press 2016. * Machine learning: A probabilistic perspective, Murphy, Kevin P., The MIT Press 2013

Links