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.

Themen und Betreuer

NrThemaBetreuer#StudentenStudentQuellenTermin Vortrag
Introduction
1 Begriffsbildung, Konzepte und Überblick1[1] [2]
2Types of Neuronal Network Part 1 Autoencoders and Convolutional Neuronal NetworksChristen1[1]
3Types of Neuronal Network Part 2 Recurrent Neuronal NetworksLin1[1] [2]
Systems
4TensorFlow: A System for Large-Scale Machine LearningNentwig1[1]
5Caffe(CNN) & Chainer (Autoencoder/RNN)1[1][2]
6DeepLearning4JFranke1[1]
Application
Image Processing
7ImageNet Classification with Deep Convolutional Neural Networks(Kricke)1[1]
8Deep Learning Identity-Preserving Face Space 1[1]
Natural Language Processing
9Efficient Estimation of Word Representations in Vector Space 1[1]
10Named Entity Recognition (RNN) Alkhouri1[1]
11Machine Translation (RNN) Lin1[1]
Data Mining
12Graph Classification 1[1]
Privacy and Security
13Variational Autoencoder based Anomaly Detection Grimmer1[1]
14Privacy-Preserving Deep LearningFranke1[1]
15Deep Learning for Malware ClassificationFranke1[1] [2]
Life Science
16Early diagnosis of Alzheimer’s disease with deep learningChristen1[1]
17Prediction of Protein functions Christen1[1]
Seminar