Data Mining 2:
Künstliche Neuronale Netze und Deep Learning

Vorlesung im Sommersemester 2018

Übersicht

• Beschreibung
• Termine und Räume
• Lehrender
• Prüfung
• Vorlesungsfolien
• Übungsblätter
• Literatur

Beschreibung

Auf dieser Webseite finden Sie Informationen zu der Vorlesung "Data Mining 2: Künstliche Neuronale Netze und Deep Learning", die im Sommersemester 2018 von Christian Borgelt an der Universität Konstanz gehalten wird. Diese Seite wird im Laufe des Semesters aktualisiert.

Veranstaltungsart:		Vorlesung/Übung
Semesterwochenstunden (SWS):		2+2
Credits:		6
Sprache:		deutsch oder englisch nach Wunsch
Voraussetzungen:		Data Mining 1 oder Analyse und Visualisierung von Information
Leistungsnachweis:		Klausur (2 Stunden), siehe Prüfung

Lerninhalte:

• Biologischer Hintergrund
• Schwellenwertelemente und ihre geometrische Deutung
• Allgemeine neuronale Netze
• Mehrschichtige Perzeptren
• Deep Learning
• Radiale-Basisfunktionen-Netze
• Lernende Vektorquantisierung und selbstorganisierte Karten
• Hopfield-Netze und Boltzmann-Maschinen
• Rekurrente neuronale Netze

Lernziele:

• Kenntnis der verschiedenen Typen von künstlichen neuronalen Netzen
• Eignung verschiedener Netzwerktypen für überwachte und unüberwachte Lernaufgaben
• Verständnis der Vor- und Nachteile der verschiedenen Netzwerktypen je nach Struktur der Lerndaten
• Training von neuronalen Netzen durch Gradientenabstieg und seine Varianten
• Befähigung zur Auswahl eines Netzwerktyps zu einem gegebenen Problem
• Anwendung des Trainings künstlicher neuronaler Netze in der Praxis

zurück zum Seitenanfang

Termine und Räume

Ab der vierten Semesterwoche werden zwei Übungstermine angeboten. Der Inhalt der beiden Übungen wird gleich sein; es braucht also nur eine der beiden Übungen besucht zu werden.

zurück zum Seitenanfang

Lehrende

Wenn Sie Fragen zur Vorlesung oder zu den Übungen haben, wenden Sie sich bitte (per E-mail oder persönlich) an:

• Vorlesung: Christian Borgelt christian@borgelt.net, Büro Z811
• Übungen: Christoph Doell, christoph.doell@uni-konstanz.de, Büro Z812

Es gibt keine feste/formelle Sprechstunde. Man schaue einfach, ob die Bürotür offen ist (Z811)!

zurück zum Seitenanfang

Prüfung

Prüfungszulassung

Zur Vorlesung gibt es Übungsblätter mit Aufgaben. Die Aufgaben werden am Anfang der zugehörigen Übung votiert. Durch eine Votierung erklärt man sich bereit, zu einer Aufgabe vorzutragen. (Lösungsvorschläge werden diskutiert, sie müssen nicht gleich richtig sein.) Zur Prüfung wird zugelassen, wer

• mindestens die Häfte der Übungsaufgaben votiert und
• mindestens zweimal in den Übungen vorgetragen hat.

Prüfung

Die erste Prüfung zur Vorlesung wird als Klausur abgehalten, die am

Dienstag, den 24.07.2018, von 11:00 bis 13:00 Uhr, in Raum R511

stattfindet.

Die zweite Prüfung zur Vorlesung wird als Klausur abgehalten, die am

noch festzulegen

stattfindet.

zurück zum Seitenanfang

Vorlesungsfolien

Folien zur Vorlesung (auf Englisch, Version 2019.04.24, 480 Folien).

zurück zum Seitenanfang

Übungsblätter

An dieser Stelle finden Sie alle bisher erstellten Übungsblätter sowie den zugehörigen frühesten Übungstermin, an dem diese Übungsblätter jeweils besprochen werden. Die Übungsblätter können aber auch, je nach Verlauf der Übungen, (teilweise) erst zu einem späteren als dem jeweils angegebenen Termin besprochen werden.

• 01. Übungsblatt: nn01_ger.pdf nn01_ger.tex (ab 2018.04.24)
• 02. Übungsblatt: nn02_ger.pdf nn02_ger.tex (ab 2018.05.03)
• 03. Übungsblatt: nn03_ger.pdf nn03_ger.tex (ab 2018.05.15)
• 04. Übungsblatt: nn04_ger.pdf nn04_ger.tex (ab 2018.05.22)
• 05. Übungsblatt: nn05_ger.pdf nn05_ger.tex (ab 2018.06.05)
• 06. Übungsblatt: nn06_ger.pdf nn06_ger.tex (ab 2018.06.12)
• 07. Übungsblatt: nn07_ger.pdf nn07_ger.tex (ab 2018.06.19)
• 08. Übungsblatt: nn08_ger.pdf nn08_ger.tex (ab 2018.06.26)
• 09. Übungsblatt: nn09_ger.pdf nn09_ger.tex (ab 2018.07.03)
• 10. Übungsblatt: nn10_ger.pdf nn10_ger.tex (ab 2018.07.10)
• 11. Übungsblatt: nn11_ger.pdf nn11_ger.tex (ab 2018.07.17)
• METAPOST-Quellen für Abbildungen: nnex.mp graph.mp arrows.mp

Zusätzliches Material:

• noch nicht verfügbar

zurück zum Seitenanfang

Literatur

• Computational Intelligence - Eine methodische Einführung in Künstliche Neuronale Netze, Evolutionäre Algorithmen, Fuzzy-Systeme und Bayes-Netze
  Rudolf Kruse, Christian Borgelt, Christian Braune, Frank Klawonn, Christian Moewes, und Matthias Steinbrecher
  Springer-Vieweg, Berlin/Heidelberg, Germany 2015, ISBN 978-3-658-10904-2
  (2. Auflage 2015, 515 pages, in German)
• Computational Intelligence - A Methodological Introduction
  Rudolf Kruse, Christian Borgelt, Christian Braune, Sanaz Mostaghim and Matthias Steinbrecher
  Springer-Verlag, Berlin/Heidelberg, Germany 2016, ISBN 978-1-4471-5012-1
  (2nd edition 2016, 564 pages, in English)

zurück zum Seitenanfang