Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 

PRÄSENZ im SoSe22: Efficient Machine Learning - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung/Übung Langtext
Veranstaltungsnummer 199212 Kurztext
Semester SS 2022 SWS 4
Teilnehmer 1. Platzvergabe 10 Max. Teilnehmer 2. Platzvergabe 15
Rhythmus Jedes 2. Semester Studienjahr
Credits für IB und SPZ 6
E-Learning
Hyperlink
Weitere Links
https://www.ac.uni-jena.de/teaching/lecture/eml
https://scalable.uni-jena.de/opt/eml/
Sprache Deutsch
Belegungsfrist Zur Zeit keine Belegung möglich
Abmeldefristen
Nach Zulassung ist eine Abmeldung nur durch die Dozierenden möglich.

Nach Zulassung ist eine Abmeldung auch durch die Teilnehmenden möglich.

Nach Zulassung ist eine Abmeldung nur durch die Dozierenden möglich.
Termine Gruppe: 1-Gruppe iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Lehrperson (Zuständigkeit) Status Bemerkung fällt aus am Max. Teilnehmer 2. Platzvergabe
Einzeltermine anzeigen Mi. 10:00 bis 12:00 w. 13.04.2022 bis
13.07.2022
    findet statt

Raum 3220, EAP2

 
Einzeltermine anzeigen Do. 14:00 bis 16:00 w. 14.04.2022 bis
14.07.2022
    findet statt

Raum 3220, EAP2

 
Gruppe 1-Gruppe:



Zugeordnete Personen
Zugeordnete Personen Zuständigkeit
Bücker, Martin, Universitätsprofessor, Dr.-Ing. verantwortlich
Bosse, Torsten , Dr.rer.nat. verantwortlich
Breuer, Alexander, Universitätsprofessor, Dr. verantwortlich
Buchwald, Chris organisatorisch
Zuordnung zu Einrichtungen
Institut für Informatik
Technische und Angewandte Informatik
Fakultät für Mathematik und Informatik
Inhalt
Kommentar

Maschinelles Lernen (ML) ist eine Schlüsseltechnologie in Wissenschaft, Industrie und Wirtschaft. In dieser Lehrveranstaltung stehen die Ansätze hinter ML im Vordergrund. Den Fokus bilden effiziente und skalierbare Verfahren, sowie deren praktische Umsetzung auf modernen und hochparallelen Rechenmaschinen. Die besprochenen Lösungsansätze weisen dabei einen hohen Grad an Aktualität und Forschungsnähe auf und bilden somit den State of the Art in ML ab.
Die Lehrveranstaltung wird begleitet durch praxisnahe Anwendungen, welche die vermittelten Inhalte illustrieren und vertiefen. Hierbei adressiert die Lehrveranstaltung insbesondere Problemstellungen, welche helfen ein tiefgreifendes Verständnis der gesamten ML-Wertschöpfungskette zu entwickeln.

Literatur

Aktuelle Literatur wird im Laufe der Lehrveranstaltung empfohlen.

Voraussetzungen
  • Kenntnisse in der linearen Algebra.
  • Kenntnisse in der Handhabung einer Linux-Distribution.
  • Kenntnisse in der parallelen Programmierung.
  • Kenntnisse in der Handhabung von Hochleistungsrechnern.
  • Sicheres Beherrschen einer Programmiersprache, vorzugsweise C/C++.
Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SS 2022 , Aktuelles Semester: SoSe 2024

Impressum | Datenschutzerklärung