AGNES -
Lehre und Prüfung online
Studierende in Vorlesung
Anmelden

Deep Learning für Visual Computing - Detailseite

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung Veranstaltungsnummer 3313054
Semester SoSe 2024 SWS 2
Rhythmus Moodle-Link  
Veranstaltungsstatus Freigegeben für Vorlesungsverzeichnis  Freigegeben  Sprache deutsch
Belegungsfrist Es findet keine Online-Belegung über AGNES statt!
Veranstaltungsformat Keine Angabe

Termine

Gruppe 1
Tag Zeit Rhythmus Dauer Raum Gebäude Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Mi. 11:00 bis 13:00 wöch 4.113 (Seminarraum)
Stockwerk: 1. OG


alttext alttext
Johann von Neumann-Haus - Rudower Chaussee 25 (RUD25)

Außenbereich nutzbar Innenbereich eingeschränkt nutzbar Parkplatz vorhanden Leitsystem im Außenbereich Barrierearmes WC vorhanden Barrierearme Anreise mit ÖPNV möglich
Eisert findet statt     1000
Gruppe 1:
 


Zugeordnete Person
Zugeordnete Person Zuständigkeit
Eisert, Peter, Professor, Dr.-Ing.
Studiengänge
Abschluss Studiengang LP Semester
Master of Education (BS)  Informatik 2. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )   -  
Master of Education (GYM)  Informatik 2. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )   -  
Master of Education (ISG)  Informatik 1. Fach ( Vertiefung: mit LA-Option; POVersion: 2018 )   -  
Master of Education (ISG)  Informatik 2. Fach ( Vertiefung: mit LA-Option; POVersion: 2018 )   -  
Master of Science  Informatik Hauptfach ( Vertiefung: kein LA; POVersion: 2015 )   -  
Master of Science  Wirtschaftsinformatik Hauptfach ( Vertiefung: kein LA; POVersion: 2016 )   -  
Zuordnung zu Einrichtungen
Einrichtung
Mathematisch-Naturwissenschaftliche Fakultät, Institut für Informatik
Inhalt
Kommentar

Die rasanten Erfolge in der Entwicklung von neuen, auf neuronalen Netzen basierenden Methoden haben völlig neue Möglichkeiten in der Datenanalyse und -synthese ermöglicht und zu vielen neuen Anwendungen geführt.In diesem Modul sollen die neuen Konzepte im Bereich des Deep Learnings mit einem Fokus auf Verfahren aus Computer Vision, Computer Graphik und Visual Computing vorgestellt werden. Dazu gehören Grundlagen von neuronalen Netzen mit deren Architekturen (z.B. convolutional networks, transformer), Lernverfahren, Datenaufbereitung und Methoden der Erklärbarkeit für die black box Verfahren. Darüber hinaus werden Konzepte für die Bild- und Videoanalyse wie Objektdetektion, Klassifikation, Segmentierung, 3D Rekonstruktion und Bewegungsanalyse sowie für die Bild- und Videosynthese durch Autoenkoder, GANs oder Diffussionsnetze vorgestellt. Dabei wird auch die Integration klassischer Vision Methoden und Vorwissen in die datengetriebenen Ansätze für höhere Robustheit und kleine Trainingsdatensätzen vorgestellt.

Strukturbaum

Die Veranstaltung wurde 3 mal im Vorlesungsverzeichnis SoSe 2024 gefunden:

Humboldt-Universität zu Berlin | Unter den Linden 6 | D-10099 Berlin