Disclaimer: Dieser Thread wurde aus dem alten Forum importiert. Daher werden eventuell nicht alle Formatierungen richtig angezeigt. Der ursprüngliche Thread beginnt im zweiten Post dieses Threads.
(Kuenstliche) Neuronale Netze
Morgen,
mich interessieren neuronale Netze und ich frage mich ob es eine Vorlesung dazu gibt. Ich habe nur beim Lehrstuhl 5 bei Pattern Recognition (http://www5.cs.fau.de/lectures/ws-1314/pattern-recognition-pr/lecture/), die das Thema nur ansatzweise behandelt und bei Lehrstuhl 12, Organic Computing http://www12.cs.fau.de/edu/OC/SS13/, das eher indirekt damit zu tun hat, gefunden. Den KI-Lehrstuhl gibt es ja nicht mehr und Lehrstuhl 8 bietet sowas nicht an (soweit ich es sehen kann).
Kennt da jemand etwas?
Gruss
hrom
Also in Organic Computing gab es bisher keine Neuronalen Netze. Der Herr Wanka ist nicht der grosse Fan von Neuronalen Netzen, weil man da exterm wenig beweisen kann, und es eher wie Magie wirkt wie man die Netze richtig lernen laesst.
Es geht nicht so sehr darum neuronale Netze zu verstehen (schliesslich gibt es Buecher, youtube, etc…) sondern das Wissen in ECTS-Punkte umzuwandeln
Genau deshalb finde ich sie interessant. Magic.
Im Seminar “Machine Learning” vom LS2 gab es auch einen Vortrag zum Thema Neuronale Netze. Ist aber natürlich keine Vorlesung.
Danke, das habe ich vergessen. Das Seminar ist glaube ich thematisch am naechsten und ich werde irg. ein Master-Seminar brauchen.
Gibt es sonst noch vorschlaege?
In Introduction to Pattern Recognition am Lehrstuhl 5 werden im letzten Teil der Vorlesung (Klassifizierung) Neuronale Netze besprochen. Allerdings ist der Schwerpunkt in der Vorlesung eher auf der Theorie und man hat auch in den Übungen kaum zu programmieren. Falls dich aber nur die Theorie dahinter interessieren sollte, wäre das vielleicht das Richtige für dich. Da in Pattern Recognition ja ausschließlich Klassifizierung behandelt wird, nehme ich an, dass dort Neuronale Netze noch eingehender besprochen werden.
Ansonsten bleibt höchstens zu hoffen, dass mit der Neubesetzung der Professur für Künstliche Intelligenz mehr aus diesem Themenbereich angeboten wird.
Wann soll eine neubesetzung denn erfolgen?
Quelle: http://wwwdh.cs.fau.de/IMMD8/
Mehr Infos hab ich leider auch nicht.
hmm, da steht Jahr 2014, mal sehen was passiert
Pattern Analysis bei Prof Noeth greift Neuronale Netze auch nochmal etwas praktischer auf, wenn ich das noch richtig im Kopf habe.
Und beim LMS (Dept. E-Technik) müsste auch noch ne Vorlesung mit ‘Machine Learning’ Thematik rumfliegen, die Neuronale Netze im Programm hat.
Neuronale Netze sind deshalb auch bei den Mustererkennern traditionell eher unbeliebt, da sie, wie hier schon angesprochen wurde, auf theoretischer Ebene schwer zu durchschauen sind.
Wenn du hierbei kein Bedürfnis hast, etwas dazuzulernen (entnehme ich deiner Antwort auf
stettberger), brauchst du glaube ich auch nicht auf die Professur für Kognitive Systeme warten.
Übrigens sind Neuronale Netze nach jahrelanger Ächtung zumindest in der Computer Vision wieder en vogue unter dem Namen “deep learning”. Wie so oft liegt es daran, dass erstaunlich gute Resultate erzielt werden können, und mangelnde Erklärungsansätze durch neue Interpretationen und Bezeichnungen kaschiert werden. Es ist aber sehr beeindruckend, was man hiermit anstellen kann, z.B. unsupervised feature learning finde ich sehr spannend!
Ja, ein Praktikum/Projekt Neuronale Netze, wo wir mit einem Netz anfangen, was XOR oder NAND versteht, bis hin z.B.: Bilderkennung (reicht ja schon ein Beispiel welche Farbe dominant ist) oder irg. Klassifizierungsbeispielen, waere natuerlich am besten. Zusammen mit einer Erklaerung, wie das am besten auf der Softwareebene zu loesen ist ob mit FANN Weiterleitungshinweis oder mit Matlab um mir gleich huebsche Sachen malen zu lassen (oder PyBrain, weil Python total cool und in und hip ist). Oder schreiben wir uns was in OpenCl, sodass es auch auf GPGPUs laufen kann ^^.
Kann man da nicht jemanden ueberzeugen, dass das toll ist, sowas fuer die Studenten zu machen???
Sprich doch mal zuständige Leute an, ob sie das anbieten wollen.
So ist z. B. auch das Praktikum in der Theoretischen Informatik entstanden, wir haben halt Prof. Schröder gefragt, ob er da nicht was hat und ja, er hatte
welche Leute sind den zustaendig? Ich nehme mal an auch der Schroeder
Da’s dir scheinbar doch nicht nur um die ECTS geht, poste ich doch mal was externes:
https://www.coursera.org/course/neuralnets
Ich bin selbst erst vor kurzem darüber gestolpert, kann dir also nicht sagen, wie gut der Kurs ist. Aber da es im ganzen Kurs um nichts anderes geht, würde ich annehmen, dass man da doch “etwas” mehr ins Detail geht als in IntroPR & PR. Vielleicht kannst du das gelernte Wissen ja dann doch noch im Machine Learning Seminar verwerten.
Keine Ahnung. Ich glaub, am LS8 machen sie kaum was in der Richtung im Moment, aber es gibt ja noch Theoretiker an anderen Lehrstühlen … Aber fragen kostet nichts
Da’s dir scheinbar doch nicht nur um die ECTS geht, poste ich doch mal was externes:
https://www.coursera.org/course/neuralnets
Ich bin selbst erst vor kurzem darüber gestolpert, kann dir also nicht sagen, wie gut der Kurs ist. Aber da es im ganzen Kurs um nichts anderes geht, würde ich annehmen, dass man da doch „etwas“ mehr ins Detail geht als in IntroPR & PR. Vielleicht kannst du das gelernte Wissen ja dann doch noch im Machine Learning Seminar verwerten.
Ich habe vll. meine Frage nicht ganz guenstig gewaelt. Richtig formuliert waere es warscheinlich, wenn mich schon ANN interesieren und ich freiwillig damit was mache, bzw. mich selbst weiterbilde, kann man da nicht beilaeufig ECTS ergattern. So als bonus.
Danke, den Kurs habe ich schon zuvor gefunden, sind immer so kurze, sehr kurze „Vorlesungen“. Habe noch nicht alles gesehen.
Ich habe mir auch schon ueberlget, im Master brauche ich so und so ein Seminar, wenn ich nett nach diesem Thema bei Lehrstuhl 2 in ML-Seminar nachfrage, damit ich es sicher bekomme^^ und PR kann ich mir auch so anhoeren.
Uebringeds, richtig gute Vorlesung ist auf youtube (wenn man englisch mit indischem Akcent versteht)
http://www.youtube.com/watch?v=xbYgKoG4x2g&list=PLA9E0359014169D37
Fast 40 Vorlesungen a ± 45 Minuten.