700.340 (18S) Machine Learning in Intelligent Transportation

Sommersemester 2018

Anmeldefrist abgelaufen.
... keine weiteren Termine bekannt

Überblick

Lehrende/r
LV-Titel englisch
Machine Learning in Intelligent Transportation
LV-Art
Vorlesung-Seminar (prüfungsimmanente LV )
Semesterstunde/n
2.0
ECTS-Anrechungspunkte
4.0
Anmeldungen
13 (20 max.) Anzahl der tatsächlich angemeldeten Studierenden
Organisationseinheit
Unterrichtssprache
Englisch
LV-Beginn
01.03.2018
eLearning
zum Moodle-Kurs
Seniorstudium Liberale
Ja

Zeit und Ort

Tag von - bis Raum Details
Mi, 09.05.2018 09:00 - 12:00 I.1.71 Einzeltermin
Mi, 09.05.2018 13:30 - 16:30 Z.1.29 Einzeltermin
Fr, 11.05.2018 09:00 - 12:00 I.1.12 Einzeltermin
Fr, 11.05.2018 13:30 - 16:30 I.1.12 Einzeltermin
Di, 12.06.2018 09:00 - 12:00 Z.1.29 Einzeltermin
Di, 12.06.2018 13:30 - 16:30 HS 4 Einzeltermin
Mi, 13.06.2018 09:00 - 12:00 Z.1.29 Einzeltermin
Mi, 13.06.2018 13:30 - 16:30 Z.0.19 Einzeltermin
Do, 14.06.2018 09:00 - 12:00 I.2.01 Einzeltermin
Do, 14.06.2018 14:00 - 17:00 L4.1.01 Einzeltermin
Fr, 15.06.2018 09:00 - 12:00 L4.1.01 Einzeltermin
Fr, 15.06.2018 13:30 - 16:30 L4.1.01 Einzeltermin

LV-Beschreibung

Intendierte Lernergebnisse

After this course student will get the knowledge about the state of the art methods regarding machine learning and particularly deep learning

Students will be able to build and train and validate deep learning models using Tensorflow

Lehrmethodik

After the introduction sessions, we will discuss a cutting edge paper in each lecture, learn how to implement it and evaluate its results.

The paper analysis will be in the morning sessions.

Implementation and presentation of the results will be in the afternoon

Student work during the course will be considered in the final evaluation


Inhalt/e

1. Introduction to machine learning

2. Linear and Logistic regression

3. Shallow Neural Networks

4. Deep Neural Networks

5. Backpropagation algorithms

6. Convolutional Neural Networks

7. Autoencoders

8. Recurrent Neural Networks

9. Long Term Short Term Memory Networks

10. Deep Learning in Natural Language Processing (Word2Vec)

11. Differentiable Neural Computing

12. Hierarchical Temporal Memory




Prüfungsinformationen

Prüfungsmethode/n

Project 50%

Presentation 10%

in Class Work 40%

Beurteilungsschema

Note/Grade Benotungsschema

Position im Curriculum

  • Masterstudium Information and Communications Engineering (ICE) (SKZ: 488, Version: 15W.1)
    • Fach: Information and Communications Engineering: Supplements (NC, ASR) (Wahlfach)
      • Wahl aus dem LV-Katalog (Anhang 4) ( 0.0h VK, VO, KU / 14.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)
  • Masterstudium Information and Communications Engineering (ICE) (SKZ: 488, Version: 15W.1)
    • Fach: Technical Complements (NC, ASR) (Wahlfach)
      • Wahl aus dem LV-Katalog (Anhang 5) ( 0.0h VK, VO, KU / 12.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)
  • Masterstudium Information and Communications Engineering (ICE) (SKZ: 488, Version: 15W.1)
    • Fach: Information and Communications Engineering: Supplements (NC, ASR) (Wahlfach)
      • Wahl aus dem LV-Katalog (Anhang 4) ( 0.0h VK, VO, KU / 14.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)
  • Masterstudium Information and Communications Engineering (ICE) (SKZ: 488, Version: 15W.1)
    • Fach: Technical Complements (NC, ASR) (Wahlfach)
      • Wahl aus dem LV-Katalog (Anhang 5) ( 0.0h VK, VO, KU / 12.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)
  • Masterstudium Information and Communications Engineering (ICE) (SKZ: 488, Version: 15W.1)
    • Fach: Autonomous Systems and Robotics: Advanced (ASR) (Wahlfach)
      • Wahl aus dem LV-Katalog (siehe Anhang 3) ( 0.0h VK, VO / 30.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)
  • Masterstudium Information and Communications Engineering (ICE) (SKZ: 488, Version: 15W.1)
    • Fach: Autonomous Systems and Robotics (WI) (Wahlfach)
      • Wahl aus dem LV-Katalog (siehe Anhang 3) ( 0.0h VK, VO / 30.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)
  • Masterstudium Information and Communications Engineering (ICE) (SKZ: 488, Version: 15W.1)
    • Fach: Free Electives (Freifach)
      • Free Electives ( 0.0h XX / 6.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)
  • Masterstudium Information Technology (SKZ: 489, Version: 06W.3)
    • Fach: Technischer Schwerpunkt (Intelligent Transportation Systems) (Pflichtfach)
      • 1.1-1.3 Vorlesung mit Kurs oder Vorlesung mit Seminar ( 6.0h VK/VS / 12.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)
  • Masterstudium Information Technology (SKZ: 489, Version: 06W.3)
    • Fach: Technische Ergänzung I (Pflichtfach)
      • 2.1-2.2 Vorlesung mit Kurs oder Vorlesung mit Seminar ( 4.0h VK/VS / 8.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)
  • Masterstudium Information Technology (SKZ: 489, Version: 06W.3)
    • Fach: Technische Ergänzung II (Pflichtfach)
      • 3.1-3.3 Vorlesung mit Kurs oder Vorlesung mit Seminar ( 6.0h VK/VS / 12.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)

Gleichwertige Lehrveranstaltungen im Sinne der Prüfungsantrittszählung

Sommersemester 2017
  • 700.340 VS Machine Learning in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2016
  • 700.340 VS Machine Vision in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2015
  • 700.340 VS Machine Vision in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2014
  • 700.340 VS Machine Vision in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2013
  • 700.340 VS Machine Vision in Intelligent Transportation (2.0h / 4.0ECTS)