Lehrver­anstaltung

DLO - Deep Learning und Objekterkennung

PDF Lehrveranstaltungsverzeichnis English Version: DLO

Version: 1 | Letzte Änderung: 28.10.2019 15:21 | Entwurf: 0 | Status: vom verantwortlichen Dozent freigegeben

Langname Deep Learning und Objekterkennung
Anerkennende LModule DLO_MaET, DLO_MaMT, DLO_MaTIN
Verantwortlich
Prof. Dr. Jan Salmen
Professor Fakultät IME
Niveau Master
Semester im Jahr Sommersemester
Dauer Semester
Stunden im Selbststudium 60
ECTS 5
Dozenten
Prof. Dr. Jan Salmen
Professor Fakultät IME
Voraussetzungen Die Studierenden solten über Grundkenntnisse der Bildverarbeitung und Mustererkennung verfügen
Unterrichtssprache deutsch
separate Abschlussprüfung Ja
Literatur
Abschlussprüfung
Details
Projektdokumentation
Mindeststandard
Die Dokumentation muss eine Beschreibung des angewandten verfahrens und der erielten Ergebnisse enthalten. Grundsätze wissenschaftlichen Arbeitens müssen eingehalten werden. Das eingesetzte Programm muss fehlerfrei laufen und plausible Ergebnisse liefern.
Prüfungstyp
Projektdokumentation

Lernziele
Kenntnisse
Deep-Learning-Algorithmen und deren Anwendung zur Objekterkennung in Bildern
Lernalgorithmen, deren Training und Evaluation
Aufwand Präsenzlehre
Typ Präsenzzeit (h/Wo.)
Vorlesung 2
Tutorium (freiwillig) 0
Besondere Literatur
keine/none
Besondere Voraussetzungen
keine
Begleitmaterial
keine/none
Separate Prüfung
keine

Lernziele
Fertigkeiten
Neuronales Netz trainieren
Evaluation der Leistung eines Neuronalen Netzes
Aufwand Präsenzlehre
Typ Präsenzzeit (h/Wo.)
Praktikum 3
Tutorium (freiwillig) 0
Besondere Literatur
keine/none
Besondere Voraussetzungen
keine
Begleitmaterial
keine/none
Separate Prüfung
Prüfungstyp
Übungsaufgabe mit fachlich / methodisch eingeschränktem Fokus lösen
Details
Training und Evaluation eines Neuronalen Netzes an Hand ausgewählter Beispiele
Mindeststandard
Präsenz und aktive Mitarbeit

Lernziele
Kenntnisse
Lesen ausgewählter Literatur
Fertigkeiten
exemplarisches Bildverarbeitungsverfahren implementieren und evaluieren
Ergebnisse adäquat schriftlich dokumentieren
Implementierung an Hand der Literatur
Ergebnisse kritisch beurteilen
Aufwand Präsenzlehre
Typ Präsenzzeit (h/Wo.)
Projekt 0
Tutorium (freiwillig) 0
Besondere Literatur
keine/none
Besondere Voraussetzungen
keine
Begleitmaterial
elektronische Version der verwendeten Literatur
Separate Prüfung
keine

Impressum
Datenschutzhinweis
Haftungshinweis
Bei Fehlern, bitte Mitteilung an die
Webredaktion der Fakultät IME

© 2022 Technische Hochschule Köln