German English

Forschungsseminar Deep Learning

Überblick

  • Anrechenbar als Seminar-Modul (“Forschungsseminar Datenbanken”) im Masterstudium oder Bachelorstudium Informatik sowie im Rahmen des Vertiefungsmoduls Moderne Datenbanktechnologien (10-202-2216) (siehe auch Modulangebot).
  • Das Seminar ist auf max. 20 Teilnehmer/innen begrenzt.
  • Um an dem Seminar teilzunehmen, müssen Sie sich bis 16.10.2017 in AlmaWeb für das Modul Moderne Datenbanktechnologien (10-202-2216) und das Seminar anmelden sowie an der Einführungsveranstaltung teilnehmen, auf der die endgültige Platz- und Themenvergabe erfolgt.

    Die Einschreibung in das Seminarmodul ist derzeit in Almaweb leider noch nicht möglich. Sie können sich zur Belegung des Seminarmoduls provisorisch auch für das o.g. Modul und das Seminar anmelden und später eine Änderung in der Modulbelegung im Studienbüro veranlassen. Bei Fragen und Problemen zur An- und Abmeldung wenden Sie sich bitte an das Studienbüro via einschreibung(at)math.uni-leipzig.de
  • Erwartete Vorkenntnisse: DBS1
  • Einführungsveranstaltung mit Themenvergabe am 20.10.2017 um 13:15 Uhr im Big Data Kompetenzzentrum ScaDS, Ritterstraße 9-13 2.OG (Standort/Lagebschreibung).
  • Die studentischen Vorträge finden an den Freitagsterminen im Jan. 2018 statt.

Leistungsbewertung

Ein erfolgreiches Seminar setzt die Teilnahme an allen Seminarterminen voraus, die selbständige Erarbeitung eines Themas sowie einen Vortrag und eine schriftliche Ausarbeitung (15-20 Seiten) über das Thema. Die Benotung setzt sich aus der Note zu Vortrag und Diskussion sowie der Note für die Ausarbeitung zusammen. Einige Hinweise zum Verfassen der schriftlichen Ausarbeitung finden Sie hier.

Zusätzliche Literatur

Eine gute Einführung ins Deep Learning: neuralnetworksanddeeplearning

Themen und Betreuer

NrThemaBetreuer#StudentenStudentQuellenTermin Vortrag
0SeminarvorbesprechungProf. Dr. Erhard Rahm20.10.2017
Introduction
1 Begriffsbildung, Konzepte und ÜberblickSehili1Strätz[1] [2]12.01.2018
2Types of Neuronal Network Part 1 Autoencoders and Convolutional Neuronal NetworksChristen1Saalmann[1]12.01.2018
3Types of Neuronal Network Part 2 Recurrent Neuronal NetworksLin1Haselhuhn[1] [2]12.01.2018
Systems
4TensorFlow: A System for Large-Scale Machine LearningNentwig1Täschner[1]12.01.2018
5Caffe(CNN) & Chainer (Autoencoder/RNN)Peukert1Kim[1][2]19.01.2018
6DeepLearning4JFranke1Stelzer[1]19.01.2018
Application
Image Processing
7PCANet: A Simple Deep Learning Baseline for Image Classification?Franke1Yuan[1]19.01.2018
8ImageNet Classification with Deep Convolutional Neural NetworksSehili1Stur[1]19.01.2018
9Deep Learning Identity-Preserving Face Space Rostami1Kaßel[1]26.01.2018
Natural Language Processing
10Efficient Estimation of Word Representations in Vector SpaceAlkhouri1[1]
11Named Entity Recognition (RNN) Alkhouri1Staudte[1]26.01.2018
12Machine Translation (RNN) Lin1Guo[1]26.01.2018
Data Mining
13Graph Classification Kricke1Michael[1] [2] [3]02.02.2018
Privacy and Security
14Variational Autoencoder based Anomaly Detection Grimmer1Neumann[1]02.02.2018
15Privacy-Preserving Deep LearningFranke1[1]
16Deep Learning for Malware ClassificationFranke1[1]
Life Science
17Early diagnosis of Alzheimer’s disease with deep learningChristen1Schreiblehner[1][2]02.02.2018
18Prediction of Protein functionsChristen1[1]
Seminar