Institut für Informatik | Sitemap | LMU-Portal
English
  • Startseite
  • Studieninteressierte
  • Studierende
  • Lehrveranstaltungen
    • Archiv
    • SS 2021
      • CC
      • CG1
      • DS
      • DW2
      • EVM
      • HCA
      • HS
      • MMI1
      • MML
      • MMP
      • MT
      • OGW
      • PEM_A
      • PEMXR
      • PKMM
      • PML
      • PS
      • PSK
      • PSYA1
      • PSYG2
      • PVRU
      • SWH
      • USEC
      • UX2
      • UX3
  • Forschung
  • Personen
  • Kontakt
  • Besucher
  • Jobs
  • FAQ
  • Intern
PML in anderen Semestern:
SS25 SS24 SS23 SS22 SS21
Startseite > Lehrveranstaltungen > SS 2021 > PML

Vorlesung Practical Machine Learning

Uni2Work

Dozent: Prof. Dr. Sven Mayer
Übungsleitung: Jesse Grootjen, Maximiliane Windl
Umfang: 2 SWS Vorlesung, 2 SWS Übung
ECTS credits: 6
Sprache: Englisch
Modul: Vertiefende Themen für Master Medieninformatik, Informatik und MCI
Kapazität: max. 50

  • Termine und Ort
  • Aktuelles
  • Empfohlene Vorkenntnisse
  • Lehrplan
  • Vorlesungen
  • Übungen
  • Klausur
  • Disclaimer

Termine und Ort

  • Vorlesung:
    Termin: Do, 10-12 c.t.
    Ort: virtuell via Zoom (interaktive Liveübertragung)
    Erste Vorlesung: 15. April, 2021
  • Übung:
    Termin:Fr, 10-12 c.t.
    Ort: virtuell via Zoom (interaktive Liveübertragung)
    Erstes Tutorial: 23. April, 2021

Aktuelles

  • 10.02.2021: Der Kurs findet im SS21 online in statt.
  • 09.02.2021: Diese Seite befindet sich im Aufbau, Änderungen vorbehalten.

Empfohlene Vorkenntnisse

The course is designed for senior master students who have taken those following courses (or have equivalent knowledge):

  • Vorlesung Mensch-Maschine-Interaktion
  • Machine Learning, e.g. Machine Learning course
  • Vorlesung Introduction to Intelligent User Interfaces

Lehrplan

The goal of this course is to teach the theoretical and practical skills needed to build novel intelligent user interfaces. In detail, the course teaches the fundamental steps of training, deploying, and testing novel intelligent user interfaces using machine learning (ML). Here, we will focus on neuronal networks while using traditional machine learning approaches (e.g., SVN, Random Forest) only as a baseline. During the course, students will learn how to collect data, train ML models, and evaluate the new models based on the extended User-Centered Design process for deep learning.

Over the course of the semester, students will build novel interfaces and present intermediate milestones throughout the tutorials. One group project (in groups up to four) has to be presented during the final presentation sessions. Before developing a new novel interface, the tutorials will also be used to learn the lecture topics' practical side using hands-on exercises. Here, students will learn how to train, deploy, and validate models based on a set of showcase examples.

In summary, this lecture is a practical oriented course that teaches the theoretical and practical skills to train neuronal networks to build intelligent user interfaces from scratch.

Vorlesungen

Datum Thema
15.04.2021 Organization & Introduction
22.04.2021 Supervised vs. Unsupervised Learning
29.04.2021 Full Practical Neural Network Walkthrough
06.05.2021 Introduction Neural Networks
13.05.2021 Entfält - Feiertag
20.05.2021 Advanced Neural Networks
27.05.2021 Evaluating Neural Networks
03.06.2021 Entfält - Feiertag
10.06.2021 Trainings Strategies
17.06.2021 Recurrent Neural Network (RNN) & Long Short-Term Memory (LSTM)
24.06.2021 Generative Adversarial Networks (GANs)
01.07.2021 Reinforcement Learning
08.07.2021 Open Discussion
15.07.2021 Abschlusspräsentationen

Übungen

Datum Thema
23.04.2021 Organization & Getting Started
30.04.2021 Live Coding Session: Getting Started with Traditional ML
07.05.2021 Live Coding Session: Getting Started with Neuronal Networks
15.05.2021 Entfält
21.05.2021 Live Coding Session: Deploying Models to Mobile Devices (Android)
28.05.2021 Live Coding Session: Continue with Android
04.06.2021 Entfält
11.06.2021 Project Ideation
18.06.2021 Individual Help for Projects
25.06.2021 Project Pitches: Show Current Project Status
02.07.2021 Individual Help for Projects
09.07.2021 How to give a great project presentation; Q'n'A: Exam preparation
16.07.2021 Final Presentation - if necessary

Klausur

Die Prüfung und Note für das Fach Practical Machine Learning setzen sich aus zwei Teilen zusammen:

  • Ihr praktisches Projekt inkl. der Abschlusspräsentation (1/2 der Note)
  • Eine mündliche online Prüfung von 10 Minuten über die Inhalte der Vorlesung und der Übung (1/2 der Note)

Die Termine für die Prüfungen sind wie folgt:

  • Die mündlichen Prüfung werden via Zoom am 09.08.2021, 10.08.2021 und 30.08.2021 stattfinden.
  • Die Abschlusspräsentationen der praktischen Projekte finden am 15.07.2021 via Zoom statt.
  • Die Anmeldung zur Prüfung erfolgt auf Uni2work.

Disclaimer

Sehr viele Lehrveranstaltungen finden während der Schließung der LMU online statt. Als Dozenten bitten wir um Nachsicht, falls Dinge nicht immer perfekt laufen und hoffen auf Ihre konstruktive Mitarbeit. In dieser Situation gelten zudem online einige Regeln, die im realen Leben ohnehin klar wären, auf die wir hier aber explizit hinweisen möchten:
  • In Live-Veranstaltungen bitten wir um einen disziplinierten Umgang mit Audio (normalerweise aus) und Bandbreite (Video nach Bedarf)
  • Die Aufzeichnung oder Weiterleitung von Veranstaltungen durch Teilnehmer sind nicht erlaubt.
  • Die Verteilung von Inhalten (Video, Audio, Bilder, PDFs, etc.) in anderen Kanälen als den vom Autor vorgesehenen ist nicht erlaubt.
Wer eine dieser Regeln verletzt, muss damit rechnen, von der fraglichen Veranstaltung ausgeschlossen zu werden und wir behalten uns weitere Schritte vor. Mit allen anderen freuen wir uns auf das gemeinsame Experiment "Online-Semester".
Nach oben
Impressum – Datenschutz – Kontakt  |  Letzte Änderung am 28.06.2021 von Sven Mayer (rev 38479)