Dieser Kurs bietet eine Einführung in die Theorie und praktische Anwendung von tiefen Neuronalen Netzen, wobei sowohl auf die historische Entwicklung, als auch auf den State-of-the-Art der Methodik eingegangen wird. Es werden Vor- und Nachteile sowie die wichtigsten Anwendungssituationen diskutiert. Ziel des Kurses ist es Intuition und Anwendung von neuronalen Netzen, in verschiedensten Use-Cases zu vermitteln. Außerdem werden generelle Netzwerkarchitekturen sowie Regularisierung und Optimierung dieser Netze kurz besprochen.
Voraussetzungen
Kenntnisse in R
Kenntnisse in Maschinellem Lernen (z.B. sollten Begriffe und Konzepte wie Risiko- und Verlustfunktion, Kreuzvalidierung, Regularisierung, Lineare und Logistische Regression sollten bekannt sein)
Termin und Dauer
Donnerstag, 11. Mai 2023, 9:00 bis 16:30 Uhr
Friday, 12. Mai , 2023, 9:00 bis 16:30 Uhr
_________________________________________________________________________________
This course provides an introduction to the theory and practical application of deep neural networks, covering both the historical development and the state-of-the-art of the methodology. Advantages and disadvantages as well as the most important application situations will be discussed. The aim of the course is to impart intuition and application of neural networks in various use cases. In addition, general network architectures as well as regularisation and optimisation of these networks will be briefly discussed.
Prerequisites
Knowledge of R
Knowledge of machine learning (e.g. terms and concepts such as risk and loss function, cross validation, regularisation, linear and logistic regression should be known)
Date and duration
Thursday, May 11, 2023, 9:00 am – 4:30 pm
Friday, May 12, 2023, 9:00 am – 4:30 pm