Seminar Maschinelles Lernen in Theorie und Praxis (14722.0039)

Vorbesprechung

Termin: Freitag, 3. Juli 2020, 10 Uhr
Ort: Zoom-Meeting
Unterlagen: Vortrag

Um den Link zum Zoom-Meeting zu erhalten, schicken bitte alle Interessierte bis Donnerstag, 2. Juli 2020, 12 Uhr eine kurze Mail mit dem Betreff “Zoom-Link Vorsprechung Seminar ML” an smusiela(at)math.uni-koeln.de.

Hinweise zur Anmeldung

  • Bitte unbedingt die Hinweise zur Anmeldung auf Folie 13 des Vortrags bei der Vorbesprechung (siehe Link oben) beachten!
  • Eine Anmeldung zum Seminar ist auch möglich, wenn man nicht an der Vorbesprechung teilgenommen hat.
  • Zur Vorbesprechung angemeldete Studierende haben grundsätzlich bessere Chancen auf einen Seminarplatz.
  • Anmeldungen als Team (d.h. mit jeweils gegenseitig angegebenem/r Projektparter*in) haben grundsätzlich bessere Chancen auf einen Seminarplatz.
  • Studierende im Bachelor haben grundsätzlich bessere Chancen auf einen Seminarplatz als Studierende im Master.

Dozent

Dr. Michael Schlottke-Lakemper

Veranstaltungsort- und zeit

WS 20/21, Seminarraum 3 Mathematik (Raum 314) bzw. voraussichtlich Zoom-Meeting, dienstags, 12 Uhr – 13:30 Uhr


Das Thema maschinelles Lernen ist seit einigen Jahren nicht nur in der Wissenschaft ein Begriff, sondern spielt eine zunehmend wichtige Rolle in Wirtschaft, Industrie und Gesellschaft. Insbesondere der Ansatz mit tiefen neuronalen Netzen, das sogenannte Deep Learning, kommt heute bereits in einer Vielzahl von Bereichen zum Einsatz. In diesem Seminar werden wir die Grundlagen des maschinellen Lernens sowohl theoretisch erarbeiten als auch praktisch in Form eines selbst programmierten neuronalen Netzes umsetzen.

Der inhaltliche Fokus des praxisorientierten Seminars wird dabei auf den künstlichen neuronalen Netzen und verwandten Techniken liegen. Ziel ist es, die fundamentalen Bausteine von neuronalen Netzwerken zu verstehen, verschiedene Aspekte bei der Konzeption von Netzen kennenzulernen und sich der Herausforderungen beim Training bewusst zu werden. Es werden aber auch andere Verfahren wie das Reinforcement Learning vorgestellt, sowie aktuelle Aspekte aus Forschung und Anwendung diskutiert.

Für ein tieferes Verständnis der Zusammenhänge werden die Teilnehmenden ein eigenes künstliches neuronales Netz von Grund auf selbst programmieren. Als Programmiersprache werden wir Python verwenden, welches derzeit eine der wichtigsten Sprachen in den Bereichen Data Science und maschinelles Lernen darstellt. Für das Programmierprojekt und den Vortrag wird erwartet, dass sich die Studierenden in Teams jeweils zu zweit zusammenschließen.

Dieses Seminar richtet sich an Studierende im Bachelorstudium, kann bei ausreichenden Kapazitäten aber auch von Masterstudierenden belegt werden. Die Vorbesprechung findet am Freitag, 3. Juli 2020, um 10 Uhr als Zoom-Meeting statt. Um den Link zum Zoom-Meeting zu erhalten, schicken bitte alle Interessierte bis Donnerstag, 2. Juli 2020, 12 Uhr eine kurze Mail mit dem Betreff “Zoom-Link Vorsprechung Seminar ML” an smusiela(at)math.uni-koeln.de.

Aufbau

  1. Einführung
    Zu Beginn gibt es zunächst einen kleinen Überblick über das gesamte Seminar. Dabei besprechen wir u.a. das Erstellen von wissenschaftlichen Vorträgen mit LaTeX/Beamer und es gibt eine kurze Einführung in die Programmierung mit Python.
  2. Vorträge
    Es folgen die ersten Vorträge der Seminarteilnehmenden zu den Grundlagen von künstlichen neuronalen Netzen. Später im Semester werden wir uns mit fortgeschrittenen Themen des maschinellen Lernens beschäftigen und auch Aspekte aus der Anwendung diskutieren.
  3. Programmierprojekte
    Mit Abschluss der Grundlagen zu künstlichen neuronalen Netzen beginnen wir parallel zu den Vorträgen mit den Programmierprojekten. Die Seminarteilnehmenden werden dabei selbst ein tiefes neuronales Netzwerk in Python implementieren und es anschließend trainieren. Dazu wird es regelmäßig die Möglichkeit geben, zu den Projekten Fragen zu stellen und sich mit den anderen über Schwierigkeiten bei der Implementierung auszutauschen. Am Ende des Semester stellen die Teilnehmenden ihre Ergebnisse aus den Projekte an einem gemeinsamen Termin vor.

Themengebiete

  • Grundlagen des maschinellen Lernens
  • Aufbau künstlicher neuronaler Netze
  • Lernen mit Gradientenverfahren und Backpropagation
  • Convolutional/Recurrent Neural Networks
  • Deep Generative Models
  • Reinforcement Learning
  • Ethische Aspekte, praktische Methoden und Anwendungen

Voraussetzungen

  • erste Progammierkenntnisse (z.B. aus der Vorlesung “Algorithmische Mathematik und Programmieren”) und die Motivation, eine Programmiersprache (Python) selbstständig zu erlernen
  • Englischkenntnisse für das Verständnis wissenschaftlicher Texte
  • Analysis I, Lineare Algebra I

Lernmaterial Python

Dies ist eine nicht abschließende Liste an Lernmaterial, um sich Python im Selbststudium anzueignen.