.
Thema /
Topic
. | .Tagesablauf / Agenda
.
Beschreibung / Description
. | Lehrunterlagen
& Übung /
Resources |
| Klassenraum: Vorlesung, Übungen, Gruppenarbeit / Class | |
.. .. | ..
3. Concepts - Theory – Research
3.1. The „Dark Ages“ of DL – Lessons of Perseverance in Research
3.2. People: Network of Researchers Driving DL(amongst others: Geoffrey Hinton, Yann LeCun, Joshua Bengio, Andrew Ng, Jürgen Schmidhuber, Fei-Fei Li, Kai-Fu Lee)
.... | |
. . |
. ..
Anwendungsbeispiel: Tesla Autopilot
https://www.tesla.com/de_DE/autopilotAI
3.3. DL Concepts (DL Tutorial, Feed Forward & Backpropagation, Convolution & Convolution Tutorial, DL Glossary)
. ..
DL-Nets / Convnets
..
- Deep Learning Neural Nets: An intuitive look (@3blue1brown)
* Interpretation der still-images
* Video: "But what is a Neural Network? | Deep learning, chapter 1" -
. ..
- Convolution Nets: ConvNets Stanford CS231n ( https://cs231n.github.io/convolutional-networks/ )
* Convolutions - The Experts: Stanford 231 Online Course:
Module 2: Convulational Networks - Convolution Demo Animationen S. 13 - Kursorisch bis S. 15 -
Live! Demos - Animations
. ..
. ..
| |
|
..
Diskussionen/Themen
- Demo und Diskussion der Neural Net Visualisierung auf dem "TensorFlow Playground" http://playground.tensorflow.org/
- Gesucht dazu: Eine ausführliche(re) Dokumentation dieser exzellenten interaktiven Web-Demo
Diskussionen/Themen
- Messen der Fehlerrate bei imagenet Wettbewerb - "Top 5 test error rate" bedeutet: Für ein gegebenes Image findet das Netz die richtige Kategorisierung nicht unter den Top 5 Kategorisierungsergebnissen (siehe AI/DL-PREZI "3.5 Tutorial / Survey DL Network types")
| |