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

Efficient Machine Learning - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung/Übung Langtext
Veranstaltungsnummer 199212 Kurztext FMI-IN3337
Semester SS 2023 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://scalable.uni-jena.de/opt/eml/
https://www.ac.uni-jena.de/teaching/lecture/eml
Sprache Deutsch
Belegungsfrist Zur Zeit keine Belegung möglich
Abmeldefristen


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. 05.04.2023 bis
05.07.2023
    findet statt

Ort: Raum 3220 E.-Abbe-Platz 2

 
Einzeltermine anzeigen Do. 14:00 bis 16:00 w. 06.04.2023 bis
06.07.2023
    findet statt

Ort: Raum 3220 E.-Abbe-Platz 2

 
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 2023 , Aktuelles Semester: SoSe 2024

Impressum | Datenschutzerklärung