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

ONLINE im SoSe 21: BRAINFLOAT und andere Datentypen für maschinelles Lernen - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Seminar Langtext
Veranstaltungsnummer 19411 Kurztext FMI-IN0093
Semester SS 2021 SWS 2
Teilnehmer 1. Platzvergabe 12 Max. Teilnehmer 2. Platzvergabe 15
Rhythmus Jedes 2. Semester Studienjahr
Credits für IB und SPZ
E-Learning
Hyperlink
Weitere Links
Master-Seminar: BRAINFLOAT https://www.ac.uni-jena.de/teaching/seminar/IN0093_Brainfloat
Sprache Deutsch
Belegungsfrist Zur Zeit keine Belegung möglich
Abmeldefristen
Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.

Nach Zulassung ist eine Abmeldung auch durch den Teilnehmer möglich.

Nach Zulassung ist eine Abmeldung nur durch den Dozenten 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 Mo. 11:00 bis 12:00 w. 12.04.2021 bis
12.07.2021
    findet statt  
Einzeltermine anzeigen Do. 11:00 bis  Einzel-V. 11.02.2021 bis
11.02.2021
    findet statt  
Gruppe 1-Gruppe:



Zugeordnete Personen
Zugeordnete Personen Zuständigkeit
Bücker, Martin, Universitätsprofessor, Dr.-Ing. verantwortlich
Seidler, Ralf , Dr.-Ing. begleitend
Bosse, Torsten , Dr.rer.nat. verantwortlich
Breuer, Alexander, Universitätsprofessor, Dr. verantwortlich
Schoder, Johannes begleitend
Zuordnung zu Einrichtungen
Technische und Angewandte Informatik
Fakultät für Mathematik und Informatik
Inhalt
Kommentar

Unter dem Begriff «Deep Learning» fasst man einen Teilbereich des maschinellen Lernens zusammen, bei dem die zugrundeliegenden Algorithmen durch die Struktur von neuronalen Netzen inspiriert sind. In letzter Zeit sind Deep-Learning-Verfahren besonders stark in den Mittelpunkt des Interesses getreten, da sie maschinelles Lernen im Vergleich zu anderen Verfahren nicht nur besonders einfach benutzbar machen, sondern auch verbesserte Ergebnisse erzielen können. In diesem Anwendungsbereich hat man festgestellt, dass neuronale Netze bei weitem sensitiver bezüglich der Größe des Wertebereichs der Exponenten sind als bezüglich der Genauigkeit der Mantisse. Rechnerhersteller wie Intel, NVIDIA und Google sind daher dazu übergegangen, neue Zahlenformate einzuführen, die den Wertebereich von Exponenten zu Lasten der Mantisse vergrößern. Bfloat16 ist beispielsweise eine Format zur Darstellung von Fließkommazahlen, das von Google vorgeschlagen wurde. Der Name steht für «Brain Floating Point Format». Im Vergleich zu dem eher traditionellen Format IEEE fp16 erhöht bfloat16 die Anzahl der Bits zur Darstellung des Exponenten von 5 auf 8. (Dabei wird gleichzeitig die Bitanzahl zur Darstellung der Mantisse von 10 auf 7 Bits reduziert.) Diese Änderungen besitzen starke Auswirkungen auf Algorithmik und Performance, die in diesem Seminar genauer untersucht werden.

Details: https://www.ac.uni-jena.de/teaching/seminar/IN0093_Brainfloat

am 11.2.21 um 11 Uhr, Vorbesprechung via: https://bbb.fmi.uni-jena.de/b/han-adm-ttx

ab 12.4.21 um 11 Uhr, regelmäßige Veranstaltungen via: https://bbb.fmi.uni-jena.de/b/han-adm-ttx

Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SS 2021 , Aktuelles Semester: SoSe 2024

Impressum | Datenschutzerklärung