Inhalt
Das Modul maschinelles Lernen und seine Anwendung in der Nachrichtentechnik bietet einen Überblick über modernes maschinelles Lernen, die Grundlagen (z.B. Architektur neuronaler Netze, Verlustfunktion, Rückwärtspropagation, Optimierer und Training), fortgeschrittene neuronale Netzarchitekturen (Convolutional Neural Network, Transformers, Recurrent Neural Network, Graph Neural Network) und Fallstudien in der Kommunikationstechnik. Ziel dieses Kurses ist sowohl die Kompetenz auf dem Arbeitsmarkt als Talent für maschinelles Lernen als auch die Fähigkeit zur Innovation in den Kommunikationssystemen der nächsten Generation.
Die Studierenden
- kennen die Grundlagen von neuronalen Netzwerkmodellen
- verstehen den Trainingsprozess mit großen Datenmengen für das überwachte Lernen
- können das überwachten Lernen zum nicht-überwachten Lernen verallgemeinern
- können das neuronale Netzmodell mit Python und Pytorch für einfache Aufgaben implementieren und trainieren
- verstehen, wie man Domänenwissen der Nachrichtentechnik beim Entwurf der Architektur und des Ziels des neuronalen Netzes berücksichtigen kann
- können den Trainingsprozess optimieren, wenn das Ergebnis nicht den Erwartungen entspricht.
Inhalte des Moduls sind
- Einführung in die Grundbegriffe neuronaler Netze
- Einführung von der Grundarchitektur des neuronalen Netzes sowie Loss Funktion, Gradient Descent und Optimizer für das Training neuronaler Netze
- Einrichten einer Entwicklungsumgebung für maschinelles Lernen mit Python und Pytorch
- Praktisches Experiment zur Definition und zum Training eines einfachen tiefen neuronalen Netzes
- Einführung in fortgeschrittene neuronale Netzwerkarchitekturen, darunter Convolutional Neural Network, Recurrent Neural Network, Graph Neural Network und Transformer. Verstehen, warum sie erfunden wurden und wie sie funktionieren
- Einführung einer speziellen Zielfunktion für nichtüberwachtes Lernen in der Nachrichtentechnik
- Einführung spezieller neuronaler Netzarchitekturen für das nichtüberwachte Lernen in der Nachrichtentechnik
Zeit und Ort: jedes Sommersemester, donnerstags, 13:15 - 14:45 Uhr (für Vorlesung und Übung), ab 13. April 2023, SN22.2, Schleinitzstraße 22.
Dozent: Dr. Bile Peng
Assistent: Ramprasad Raghunath, M.Sc.
Leistungspunkte: 6
Prüfung: mündliche oder schriftliche Prüfung
Sprache: Englisch
