Technische Universität Ilmenau

Neuroinformatik und Maschinelles Lernen - Modultafeln der TU Ilmenau

Die Modultafeln sind ein Informationsangebot zu den Studiengängen der TU Ilmenau.

Die rechtsverbindlichen Studienpläne entnehmen Sie bitte den jeweiligen Studien- und Prüfungsordnungen (Anlage Studienplan).

Alle Angaben zu geplanten Lehrveranstaltungen finden Sie im elektronischen Vorlesungsverzeichnis.

Informationen und Handreichungen zur Pflege von Modulbeschreibungen durch die Modulverantwortlichen finden Sie unter Modulpflege.

Hinweise zu fehlenden oder fehlerhaften Modulbeschreibungen senden Sie bitte direkt an modulkatalog@tu-ilmenau.de.

Modulinformationen zu Modulnummer 200081 - allgemeine Informationen
Modulnummer200081
FakultätFakultät für Informatik und Automatisierung
Fachgebietsnummer2233 (Neuroinformatik und Kognitive Robotik)
Modulverantwortliche(r)Prof. Dr. Horst-Michael Groß
SpracheDeutsch
TurnusSommersemester
Vorkenntnisse

keine

Lernergebnisse und erworbene Kompetenzen

Im Modul "Neuroinformatik und Maschinelles Lernen" haben sich die Studierenden die konzeptionellen, methodischen und algorithmischen Grundlagen der Neuroinformatik und des Maschinellen Lernens angeeignet. Sie haben die grundsätzliche Herangehensweise dieser Form des Wissenserwerbs, der Generierung von Wissen aus Beobachtungen und Erfahrungen verstanden. Sie verfügen über das Verständnis, wieein künstliches System aus Trainingsbeispielen lernt und diese nach Beendigung der Lernphase verallgemeinern kann, wobei die Beispiele nicht einfach auswendig gelernt werden, sondern das System "erkennt" Muster und Gesetzmäßigkeiten in den Lerndaten. Die Studierenden haben die wesentlichen Konzepte, Lösungsansätze sowie Modellierungs- und  Implementierungstechniken beim Einsatz von neuronalen und probabilistischen Methoden der Informations- und Wissensverarbeitung kennen gelernt. Die Studierenden sind in der Lage, praxisorientierte Fragestellungen aus dem o. g. Problemkreis zu analysieren, durch Anwendung des behandelten Methodenspektrums auf Fragestellungen aus den behandelten Bereichen (Signal-, Sprach- und Bildverarbeitung, Robotik und autonome Systeme, Assistenzsysteme, Mensch-Maschine Interaktion)neue Lösungskonzepte zu entwerfen und algorithmisch (Fokus auf Python) umzusetzen sowie bestehende Lösungen zu bewerten.

Exemplarische Software-Implementationen neuronaler Netze für unüberwachte und überwachte  Lern- und Klassifikationsprobleme (Fokus auf Python) - Teilleistung 2

Die Studierenden haben nach dem Praktikum somit auch verfahrensorientiertes Wissen, indem für reale Klassifikations- und Lernprobleme verschiedene neuronale Lösungsansätze theoretisch behandelt und praktisch umgesetzt wurden. Im Rahmen des Pflichtpraktikums wurden die behandelten methodischen und algorithmischen Grundlagen der neuronalen und probabilistischen Informationsverarbeitungs- und Lernprozesse durch die Studierenden mittels interaktiver Demo-Applets vertieft und in Gesprächsgruppen aufgearbeitet.

Nach intensiven Diskussionen während der Übungen und zur Auswertung des Praktikums können die Studierenden Leistungen ihrer Mitkommilitonen richtig einschätzen und würdigen. Sie berücksichtigen Kritik, beherzigen Anmerkungen und nehmen Hinweise an.

Inhalt

Das Modul vermittelt das erforderliche Methodenspektrum aus theoretischen Grundkenntnissen und praktischen Fähigkeiten zum Verständnis, zur Implementierung und zur Anwendung neuronaler und probabilistischer Techniken des Wissenserwerbs durch Lernen aus Erfahrungsbeispielen sowie zur Informations- und Wissensverarbeitung in massiv parallelen Systemen. Es werden Ethische, soziale und rechtliche Aspekte beim Einsatz von Techniken des Maschinelles Lernens und wesentliche datenschutzrechtliche Randbedingungen diskutiert.

Sie vermittelt sowohl Faktenwissen, begriffliches und algorithmisches Wissen aus folgenden Themenkomplexen:

Intro:Begriffsbestimmung, Literatur, Lernparadigmen (Unsupervised / Reinforcement / Supervised Learning), Haupteinsatzgebiete (Klassifikation, Clusterung, Regression, Ranking), Historie

Neuronale Basisoperationen und Grundstrukturen:

  • Neuronenmodelle: Biologisches Neuron, I&F Neuron, Formale Neuronen
  • Netzwerkmodelle: Grundlegende Verschaltungsprinzipien & Architekturen

Lernparadigmen und deren klassische Vertreter:

  • Unsupervised Learning:  Vektorquantisierung, Self-Organizing Feature Maps , Neural Gas, k-Means Clustering
  • Reinforcement Learning:  Grundbegriffe, Q-Learning
  • Supervised Learning: Perzeptron, Multi-Layer-Perzeptron & Error-Backpropagation-Lernregel, RBF-Netze, Expectation-Maximization Algorithmus, Support Vector Machines (SVM)

Moderne Verfahren für große Datensets

  • Deep Neural Networks: Grundidee, Arten, Convolutional Neural Nets (CNN)

Anwendungsbeispiele: Signal-, Sprach- und Bildverarbeitung, Robotik und autonome Systeme, Assistenzsysteme, Mensch-Maschine Interaktion

Medienformen und technische Anforderungen bei Lehr- und Abschlussleistungen in elektronischer Form

Powerpoint-Folien (als Papierkopie oder PDF), Demo-Apps, Videos, Python Demo Code, Moodle-Kurs

Literatur

- Zell, A.: Simulation Neuronaler Netzwerke, Addison-Wesley 1997

- Bishop, Ch.: Pattern Recognition and Machine Learning, Springer 2006

- Alpaydin, Ethem: Maschinelles Lernen, Oldenbourg Verlag 2008

- Murphy, K. : Machine Learning - A Probabilistic Perspective, MIT Press 2012

- Goodfellow, I. et al.: Deep Learning, MIT Press 2016

Lehrevaluation
Spezifik Referenzmodul
ModulnameNeuroinformatik und Maschinelles Lernen
Prüfungsnummer220451
Leistungspunkte5
SWS4 (2 V, 1 Ü, 1 P)
Präsenzstudium (h)45
Selbststudium (h)105
VerpflichtungPflichtmodul
AbschlussPrüfungsleistung mit mehreren Teilleistungen
Details zum AbschlussDas Modul Neuroinformatik und Maschinelles Lernen mit der Prüfungsnummer 220451 schließt mit folgenden Leistungen ab:
  • schriftliche Prüfungsleistung über 90 Minuten mit einer Wichtung von 100% (Prüfungsnummer: 2200735)
  • Studienleistung mit einer Wichtung von 0% (Prüfungsnummer: 2200736)

Details zum Abschluss Teilleistung 1:


Details zum Abschluss Teilleistung 2:

Bearbeitung von Software-Praktikumsmodulen inclusive der Erstellung von Praktikumsprotokollen

Alternative Abschlussform aufgrund verordneter Corona-Maßnahmen inkl. technischer Voraussetzungen
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl
Spezifik im Studiengang Bachelor Wirtschaftsinformatik 2021
ModulnameNeuroinformatik und Maschinelles Lernen
Prüfungsnummer220451
Leistungspunkte5
Präsenzstudium (h)90
Selbststudium (h)60
VerpflichtungWahlmodul
AbschlussPrüfungsleistung mit mehreren Teilleistungen
Details zum AbschlussDas Modul Neuroinformatik und Maschinelles Lernen mit der Prüfungsnummer 220451 schließt mit folgenden Leistungen ab:
  • schriftliche Prüfungsleistung über 90 Minuten mit einer Wichtung von 100% (Prüfungsnummer: 2200735)
  • Studienleistung mit einer Wichtung von 0% (Prüfungsnummer: 2200736)

Details zum Abschluss Teilleistung 1:


Details zum Abschluss Teilleistung 2:

Bearbeitung von Software-Praktikumsmodulen inclusive der Erstellung von Praktikumsprotokollen

Alternative Abschlussform aufgrund verordneter Corona-Maßnahmen inkl. technischer Voraussetzungen
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl
Spezifik im Studiengang Bachelor Informatik 2021
ModulnameNeuroinformatik und Maschinelles Lernen
Prüfungsnummer220451
Leistungspunkte5
Präsenzstudium (h)56
Selbststudium (h)94
VerpflichtungPflichtmodul
AbschlussPrüfungsleistung mit mehreren Teilleistungen
Details zum AbschlussDas Modul Neuroinformatik und Maschinelles Lernen mit der Prüfungsnummer 220451 schließt mit folgenden Leistungen ab:
  • schriftliche Prüfungsleistung über 90 Minuten mit einer Wichtung von 100% (Prüfungsnummer: 2200735)
  • Studienleistung mit einer Wichtung von 0% (Prüfungsnummer: 2200736)

Details zum Abschluss Teilleistung 1:


Details zum Abschluss Teilleistung 2:

Bearbeitung von Software-Praktikumsmodulen inclusive der Erstellung von Praktikumsprotokollen

Alternative Abschlussform aufgrund verordneter Corona-Maßnahmen inkl. technischer Voraussetzungen
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl
Spezifik im Studiengang Bachelor Ingenieurinformatik 2021, Bachelor Biomedizinische Technik 2021, Bachelor Medientechnologie 2021
ModulnameNeuroinformatik und Maschinelles Lernen
Prüfungsnummer220451
Leistungspunkte5
Präsenzstudium (h)45
Selbststudium (h)105
VerpflichtungPflichtmodul
AbschlussPrüfungsleistung mit mehreren Teilleistungen
Details zum AbschlussDas Modul Neuroinformatik und Maschinelles Lernen mit der Prüfungsnummer 220451 schließt mit folgenden Leistungen ab:
  • schriftliche Prüfungsleistung über 90 Minuten mit einer Wichtung von 100% (Prüfungsnummer: 2200735)
  • Studienleistung mit einer Wichtung von 0% (Prüfungsnummer: 2200736)

Details zum Abschluss Teilleistung 1:


Details zum Abschluss Teilleistung 2:

Bearbeitung von Software-Praktikumsmodulen inclusive der Erstellung von Praktikumsprotokollen

Alternative Abschlussform aufgrund verordneter Corona-Maßnahmen inkl. technischer Voraussetzungen
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl
Spezifik im Studiengang Master Wirtschaftsingenieurwesen 2021 (BT), Master Wirtschaftsinformatik 2021, Bachelor Mathematik 2021
ModulnameNeuroinformatik und Maschinelles Lernen
Prüfungsnummer220451
Leistungspunkte5
Präsenzstudium (h)45
Selbststudium (h)105
VerpflichtungWahlmodul
AbschlussPrüfungsleistung mit mehreren Teilleistungen
Details zum AbschlussDas Modul Neuroinformatik und Maschinelles Lernen mit der Prüfungsnummer 220451 schließt mit folgenden Leistungen ab:
  • schriftliche Prüfungsleistung über 90 Minuten mit einer Wichtung von 100% (Prüfungsnummer: 2200735)
  • Studienleistung mit einer Wichtung von 0% (Prüfungsnummer: 2200736)

Details zum Abschluss Teilleistung 1:


Details zum Abschluss Teilleistung 2:

Bearbeitung von Software-Praktikumsmodulen inclusive der Erstellung von Praktikumsprotokollen

Alternative Abschlussform aufgrund verordneter Corona-Maßnahmen inkl. technischer Voraussetzungen
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl