m (→Zielgruppe) |
mNo edit summary |
||
Line 3: | Line 3: | ||
''Bewertung:'' 6 [[ECTS]], 4 [[SWS]]<br/> | ''Bewertung:'' 6 [[ECTS]], 4 [[SWS]]<br/> | ||
''Termin:'' Block, 3. -5. Mai und 10. -12. Mai. Jeweils 10 bis 18 Uhr<br/> | ''Termin:'' Block, 3. -5. Mai und 10. -12. Mai. Jeweils 10 bis 18 Uhr<br/> | ||
''Ort:'' [[Marienstraße 7b]], Raum 204<br/> | ''Ort:'' [[Marienstraße 7b]], Raum 204, bzw. Bauhausstraße 15, Raum 102<br/> | ||
''Erster Termin:'' 3. Mai 10 Uhr | ''Erster Termin:'' 3. Mai 10 Uhr | ||
Revision as of 13:02, 6 April 2010
Werkmodul
Lehrperson: Dipl. Informatiker Matthias Weber
Bewertung: 6 ECTS, 4 SWS
Termin: Block, 3. -5. Mai und 10. -12. Mai. Jeweils 10 bis 18 Uhr
Ort: Marienstraße 7b, Raum 204, bzw. Bauhausstraße 15, Raum 102
Erster Termin: 3. Mai 10 Uhr
Beschreibung
Künstliche Neuronale Netze sind der Versuch, das menschliche Gehirn programmierend nachzubilden. Es wurden verschiedene Methoden des maschinellen Lernens entwickelt, wovon einige ermöglichen, Dinge zu erkennen, die bereits vorab bekannt sind, während andere in einer Art Selbstorganisation hochdimensionales Datenmaterial neu ordnen. Es werden in diesem Umfeld u.a. folgende Arten vorgestellt: Multilagenperzeptrons, Self-organizing feature maps, rekurrente Netze und entsprechende Weiterentwicklungen. In der Vorlesung werden die notwendigen Grundlagen vermittelt, um im Übungsteil diese in praktischen Beispielen umzusetzen. Hierzu wird eine Programmierumgebung wie Processing oder PD eingesetzt, eventuell auch eine spezielle Software zur Simulation von neuronalen Netzen oder zur automatischen Klassifikation. Der Block setzt sich zusammen aus zweimal drei Tagen mit jeweils 3 Stunden Vorlesung und 2 Stunden Übung.
Das Werkmodul wird als Ergänzung zum Projekt Netze empfohlen
English description
Artificial neural networks are the attempt to recreate the brain's basic principle in an programming environment. Different machine learning techniques were developped. Some enable to detect results which were predifined, others can restructure high dimensional datasets to reveal patterns.
Themen
Voraussetzungen
k.A.
Anmeldung
Bewerbung mit folgenden Angaben per eMail an: kristina.hellmann (at) uni-weimar.de
- Name
- Fachrichtung und Fachsemester
- Matrikelnummer
- Angabe der geltenden Prüfungsordnung
- Gültige E-Mail-Adresse (zur Bestätigung der Anmeldung)
Sollte es mehr als 25 Bewerber geben, entscheidet die Reihenfolge der Anmeldungen über die Aufnahme in den Kurs
Leistungsnachweis
Aktive Teilnahme, Präsentation, künstlerische Prüfung, Dokumentation, Eintrag im Wiki.
Zielgruppe
Undergraduate (Bachelor)-Studierende der Fakultäten Medien, Gestaltung und der Medienarchitektur
Syllabus
Termine des Semesters
- 3. - 5. Mai, 10 bis 18 Uhr
- 10. - 12. Mai. 10 bis 18 Uhr
Literatur
- Link zum Semesterapparat
- Nachname, Vorname: Titel des Buches ISBN 978-0822334972