Forschungsseminar Deep Learning

Überblick

Anrechenbar als Seminar-Modul (“Forschungsseminar Datenbanken”) im Masterstudium oder Bachelorstudium Informatik sowie im Rahmen des Vertiefungsmoduls Moderne Datenbanktechnologien (10-202-2216) (siehe auch Modulangebot).
Das Seminar ist auf max. 20 Teilnehmer/innen begrenzt.
Um an dem Seminar teilzunehmen, müssen Sie sich bis 16.10.2017 in AlmaWeb für das Modul Moderne Datenbanktechnologien (10-202-2216) und das Seminar anmelden sowie an der Einführungsveranstaltung teilnehmen, auf der die endgültige Platz- und Themenvergabe erfolgt.
Die Einschreibung in das Seminarmodul ist derzeit in Almaweb leider noch nicht möglich. Sie können sich zur Belegung des Seminarmoduls provisorisch auch für das o.g. Modul und das Seminar anmelden und später eine Änderung in der Modulbelegung im Studienbüro veranlassen. Bei Fragen und Problemen zur An- und Abmeldung wenden Sie sich bitte an das Studienbüro via einschreibung(at)math.uni-leipzig.de
Erwartete Vorkenntnisse: DBS1
Einführungsveranstaltung mit Themenvergabe am 20.10.2017 um 13:30 Uhr im Big Data Kompetenzzentrum ScaDS, Ritterstraße 9-13 2.OG (Standort/Lagebschreibung).
Die studentischen Vorträge finden an den Freitagsterminen im Jan. 2018 statt.

Leistungsbewertung

Ein erfolgreiches Seminar setzt die Teilnahme an allen Seminarterminen voraus, die selbständige Erarbeitung eines Themas sowie einen Vortrag und eine schriftliche Ausarbeitung (15-20 Seiten) über das Thema. Die Benotung setzt sich aus der Note zu Vortrag und Diskussion sowie der Note für die Ausarbeitung zusammen. Einige Hinweise zum Verfassen der schriftlichen Ausarbeitung finden Sie hier.

Zusätzliche Literatur

Eine gute Einführung ins Deep Learning: neuralnetworksanddeeplearning

Themen und Betreuer

Nr	Thema	Betreuer	#Studenten	Student	Quellen	Termin Vortrag	Folien	Ausarbeitung
0	Seminarvorbesprechung	Prof. Dr. Erhard Rahm				20.10.2017

	Introduction
1	Begriffsbildung, Konzepte und Überblick	Sehili	1	[redacted]	[1] [2]	12.01.2018	Vortrag	Ausarbeitung
2	Types of Neural Network Part 1 Autoencoders and Convolutional Neural Networks	Christen	1	[redacted]	[1]	12.01.2018	Vortrag	Ausarbeitung
3	Types of Neural Network Part 2 Recurrent Neural Networks	Lin	1	[redacted]	[1] [2]	12.01.2018	Vortrag	Ausarbeitung

	Systems
4	TensorFlow: A System for Large-Scale Machine Learning	Nentwig	1	[redacted]	[1]	19.01.2018	Vortrag	Ausarbeitung
5	Caffe(CNN) & Chainer (Autoencoder/RNN)	Peukert	1	[redacted]	[1][2]	19.01.2018
6	DeepLearning4J	Franke	1	[redacted]	[1]	19.01.2018	Vortrag	Ausarbeitung
	Application
	Image Processing
7	PCANet: A Simple Deep Learning Baseline for Image Classification?	Franke	1	[redacted]	[1]	19.01.2018
8	ImageNet Classification with Deep Convolutional Neural Networks	Sehili	1	[redacted]	[1]	19.01.2018	Vortrag	Ausarbeitung

9	Deep Learning Identity-Preserving Face Space	Rostami	1	[redacted]	[1]	26.01.2018	Vortrag	Ausarbeitung
	Natural Language Processing
10	Efficient Estimation of Word Representations in Vector Space	Alkhouri	1	–	[1]	–
11	Named Entity Recognition (RNN)	Alkhouri	1	[redacted]	[1]	26.01.2018	Vortrag	Ausarbeitung
12	Machine Translation (RNN)	Lin	1	[redacted]	[1]	26.01.2018	Vortrag	Ausarbeitung

	Data Mining
13	Graph Classification	Kricke	1	[redacted]	[1] [2] [3]	02.02.2018	Vortrag	Ausarbeitung
	Privacy and Security
14	Variational Autoencoder based Anomaly Detection	Grimmer	1	[redacted]	[1]	02.02.2018	Vortrag	Ausarbeitung
15	Privacy-Preserving Deep Learning	Franke	1	–	[1]	–
16	Deep Learning for Malware Classification	Franke	1	–	[1]	–
	Life Science
17	Early diagnosis of Alzheimer’s disease with deep learning	Christen	1	[redacted]	[1][2]	02.02.2018	Vortrag	Ausarbeitung
18	Prediction of Protein functions	Christen	1	–	[1]	–

BA	Visualisation Concept for PPRL Workflows	Franke	-	[redacted]	-	02.02.2018

Seminar

» printer friendly version

Database Group Leipzig

Contents

Recent publications

Forschungsseminar Deep Learning

Überblick

Leistungsbewertung

Zusätzliche Literatur

Themen und Betreuer