Text in english

Sequence Learning

Kurs in Deutsch und Englisch

Semesterwochenstunden:

4

Leistungspunkte:

5

Vorkenntnisse:

 

Semesterturnus:

Sommersemester

Arbeitsaufwand:

 150h (60h Präsenzzeit, 90h Eigenstudium)

Beitrag zu den Zielen des Studiengangs:

Erarbeitung komplexer Algorithmen

Lernziel:

Die Studenten kennen und verstehen die theoretischen und algorithmischen Grundlagen der Zeitreihenanalyse. Sie können fachspezifische Problemstellungen wissenschaftlich fundiert analysieren, komplexe Zusammenhänge verstehen, und durch die Auswahl geeigneter Modelle Lösungen zielgerichtet umsetzen.

Schlüsselqualifikationen:

Strukturiertes Problemlösen, wissenschaftliche Recherche, Implementierung von komplexen Algorithmen

Lehrinhalte:

Die Studierenden erarbeiten die theoretischen und algorithmischen Grundlagen der Zeitreihenanalyse: Dynamische Zeitzuordnung, Markovketten, Hidden Markov Modelle und rekurrente neuronale Netze. An konkreten Beispielen werden Vor- und Nachteile der jeweiligen Ansätze erarbeitet. Vorwissen aus maschinellem Lernen ist empfohlen aber nicht notwendig.







Literatur:

  • Niemann, H: Klassifikation von Mustern. 2. Überarbeitete Auflage, 2003
  • Goodfellow, I and Bengio,Y and Courville, A: Deep Learning, 2016 (available online: http://www.deeplearningbook.org/)
  • Huang, Acero, Hon: Spoken Language Processing: A Guide to Theory, Algorithm and System Development

Bemerkungen:

Die Kursunterlagen sind auf Englisch, die Unterrichtssprache ist je nach Bedarf Englisch oder Deutsch.

Leistungsnachweis:

Studienarbeit (6 Seiten, IEEEtran style) mit Kolloquium (15min), gewichtet 3:1

Zulassungsvoraussetzungen:

 keine

Hilfsmittel:

2

Modulverantwortliche/r:

Prof. Dr. Riedhammer





TH Nürnberg
Fakultät Informatik
Webmaster-IN



Root- Zertifikat

© 2019 Fakultät Informatik