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 (einschreibung(at)math.uni-leipzig.de)
- Erwartete Vorkenntnisse: DBS1
- Einführungsveranstaltung mit Themenvergabe am 20.10.2017 um 13:30 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
| Nr | Thema | Betreuer | #Studenten | Studenten | Quellen | Termin Vortrag | Folien | Ausarbeitung |
|---|---|---|---|---|---|---|---|---|
| 0 | Seminarvorbesprechung | Prof. Dr. Erhard Rahm | 20.10.2017 | |||||
| Introduction | ||||||||
| 1 | Begriffsbildung, Konzepte und Überblick | Sehili | 1 | [redacted] | [1] [2] | 12.01.2018 | Vortrag | Ausarbeitung |
| 2 | Types of Neural Network Part 1 Autoencoders and Convolutional Neural Networks | Christen | 1 | [redacted] | [1] | 12.01.2018 | Vortrag | Ausarbeitung |
| 3 | Types of Neural Network Part 2 Recurrent Neural Networks | Lin | 1 | [redacted] | [1] [2] | 12.01.2018 | Vortrag | Ausarbeitung |
| Systems | ||||||||
| 4 | TensorFlow: A System for Large-Scale Machine Learning | Nentwig | 1 | [redacted] | [1] | 19.01.2018 | Vortrag | Ausarbeitung |
| 5 | Caffe(CNN) & Chainer (Autoencoder/RNN) | Peukert | 1 | [redacted] | [1][2] | 19.01.2018 | ||
| 6 | DeepLearning4J | Franke | 1 | [redacted] | [1] | 19.01.2018 | Vortrag | Ausarbeitung |
| Application | ||||||||
| Image Processing | ||||||||
| 7 | PCANet: A Simple Deep Learning Baseline for Image Classification? | Franke | 1 | [redacted] | [1] | 19.01.2018 | ||
| 8 | ImageNet Classification with Deep Convolutional Neural Networks | Sehili | 1 | [redacted] | [1] | 19.01.2018 | Vortrag | Ausarbeitung |
| 9 | Deep Learning Identity-Preserving Face Space | Rostami | 1 | [redacted] | [1] | 26.01.2018 | Vortrag | Ausarbeitung |
| Natural Language Processing | ||||||||
| 10 | Efficient Estimation of Word Representations in Vector Space | Alkhouri | 1 | – | [1] | – | ||
| 11 | Named Entity Recognition (RNN) | Alkhouri | 1 | [redacted] | [1] | 26.01.2018 | Vortrag | Ausarbeitung |
| 12 | Machine Translation (RNN) | Lin | 1 | [redacted] | [1] | 26.01.2018 | Vortrag | Ausarbeitung |
| Data Mining | ||||||||
| 13 | Graph Classification | Kricke | 1 | [redacted] | [1] [2] [3] | 02.02.2018 | Vortrag | Ausarbeitung |
| Privacy and Security | ||||||||
| 14 | Variational Autoencoder based Anomaly Detection | Grimmer | 1 | [redacted] | [1] | 02.02.2018 | Vortrag | Ausarbeitung |
| 15 | Privacy-Preserving Deep Learning | Franke | 1 | – | [1] | – | ||
| 16 | Deep Learning for Malware Classification | Franke | 1 | – | [1] | – | ||
| Life Science | ||||||||
| 17 | Early diagnosis of Alzheimer’s disease with deep learning | Christen | 1 | [redacted] | [1][2] | 02.02.2018 | Vortrag | Ausarbeitung |
| 18 | Prediction of Protein functions | Christen | 1 | – | [1] | – | ||
| BA | Visualisation Concept for PPRL Workflows | Franke | - | [redacted] | - | 02.02.2018 |