Modulhandbuch MaTIN2012_Deep Learning Architectures

---

Verantwortlich: Prof. Dr. Beate Rhein

Modul

Anerkennbare Lehrveranstaltung (LV)

• F07 DLA

Organisation

Bezeichnung Lang MaTIN2012_Deep Learning Architectures MID MaTIN2012_DLA MPID

Zuordnung Studiengang MaTIN2012 Studienrichtung alle Wissensgebiete VGTI, SPP

Einordnung ins Curriculum Fachsemester 1-2 Pflicht Wahl E

Version erstellt 2019-02-27 VID 1 gültig ab SS 2019 gültig bis

Zeugnistext

de

Deep Learning Architectures

en

Deep Learning Architectures

Unterrichtssprache

Deutsch oder Englisch

Modulprüfung

Form der Modulprüfung
sMP	50% (mündliche Prüfung)
sMB	50% (Praktikumvortrag mit Verteidigung Ergebnis)

Beiträge ECTS-CP aus Wissensgebieten
SPP	2
VGTI	3
Summe	5

Aufwand [h]: 150

---

Prüfungselemente

Vorlesung / Übung

Form Kompetenznachweis
bÜA	Präsenzübung und Selbstlernaufgaben

Beitrag zum Modulergebnis
bÜA	unbenotet

Spezifische Lernziele

Kenntnisse

• Grundbegriffe des Maschinellen Lernens
• Tooling
  • Umgang mit Machine Learing Frameworks
  • Paralleles Rechnen auf GPUs
• Arten Neuronaler Netze und deren Anwendung
  • Feedforward Neuronale Netze und Backpropagation
  • Convolutional Networks
  • Recurrent Networks
• Deep Reinforcement Learning
  • Einführung in Reinforcement Learning
  • Policy-Gradient Verfahren
  • Actor-Critic Verfahren

Fertigkeiten (PFK 2)

• Mathematische Grundlagen hinter Algorithmen kennen
• Umgang mit Maschine Learning Frameworks erlernen
• Anwendung von Algorithmen auf Problemstellungen
  • Zeitreihen
  • Bildklassifizierung
  • komlexe Umgebungen (Spiele)
• Klassifizierung der Problemstellung und Identifizierung möglicher Verfahren zur Lösungg
• Bewertung von Algorithmen
• Selbstständige Einarbeitung in komplexes Themenfeld

Exemplarische inhaltliche Operationalisierung

Wiederverwendung kann am Beispiel von Mustern und Musterkatalogen (White-Box-Reuse) und Komponenten- bzw. Frameworkarchitekturen (Black-Box-Reuse) diskutiert werden. Als Beispiele professioneller Komponentenarchitekturen zum Aufbau verteilter technischer Softwaresysteme können Object Request Broker Architekturen wie CORBA bzw. das echtzeitfähige Open Source Derivat TAO (The ACE ORB), OPC/UA, die Funktionsbausteinarchitektur industrieller Leitsysteme (nach EN61499) aber auch integrierte Frameworks wie MS .NET herangezogen werden. Als nächste Abstraktionsstufe, also Architekturen mit begrenzter Intelligenz zur Verfolgung abstrahierter Zielvorgaben und zur Selbstrekonfiguration durch fortwährende Analyse des System- und Umgebungszustands, können Multiagentensysteme untersucht werden. 

Praktikum

Form Kompetenznachweis
bLR	Auswertung wissenschaftlicher Literatur im Hinblick auf vorgegebene Fragestellungen
bFG	wissenschaftlichen Diskurs zur vorgegebenen Fragestellung führen

Beitrag zum Modulergebnis
bLR	benotet als Teil von sMB
bFG	benotet als Teil von sMB

Spezifische Lernziele

Fertigkeiten

• methodische Ansätze zur Wiederverwendung von Softwareartefakten an praxisrelevanten Architekturkonzepten diskutieren (PFK.1,PFK.2,PFK.5,PFK.7,PFK.8,PFK.9,PSK.4)
  • aus wissenschaftlichen Literaturquellen recherchieren
  • inhaltlich hinsichtlich vorgegebener Fragestellungen analysieren und einordnen
  • beispielhaft implementieren (je nach Umfang als Skelett bzw. als ablauffähiges Beispiel) und Implementierung begründen

Handlungskompetenz demonstrieren

• Ergebnisse inhaltlich zusammenfassen und als wissenschaftlichen Fachvortrag aufbereiten (PFK.11)
• Ergebnisse im Sinne eines Konferenzbeitrags als Handout zur Verfügung stellen (PFK.11,PSK.1)
• Ergebnisse vor Fachpublikum präsentieren und diskutieren (PSK.1,PSK.4)

Exemplarische inhaltliche Operationalisierung

anspruchsvolle Seminarthemen können aus den Gebieten Muster zum Aufbau der Architektur verteilter Softwaresysteme, professionelle Verteilungsarchitekturen, Multiagentensysteme oder fachlich angrenzenden Themengebiete definiert werden.