Vorlesung Practical Machine Learning

Dozent: Prof. Dr. Sven Mayer
Übungsleitung: Jesse Grootjen, Luke Haliburton
Umfang: 2 SWS Vorlesung, 2 SWS Übung
ECTS credits: 6
Sprache: Englisch
Modul: Vertiefende Themen für Master Medieninformatik, Informatik und MCI
(MA MI PStO 2022 (Start WiSe)) / (MA MI PStO 2022 (Start SoSe))
(MA MCI PStO 2022 (Start WiSe)) / (MA MCI PStO 2022 (Start SoSe))
Kapazität: max. 100

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

Termine und Ort

• Vorlesung:
  Termin: Do, 10-12 c.t.
  Ort: Thalkirchner Str.36 - Theoret. Hörsaal 151
  Erste Vorlesung: 18.04.2024
• Übung:
  Termin:Do 16-18 c.t.
  Ort: Thalkirchner Str.36 - Theoret. Hörsaal 151
  Erste Vorlesung: 18.04.2024

Aktuelles

• 07.02.2024: 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 (IUI)

Additional Information

• https://neuralnetworksanddeeplearning.com/

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

Übungen

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 Prüfung über die Inhalte der Vorlesung und der Übung (1/2 der Note)
• Hinweiß: Für das bestehen des Kurses müssen beide Teile unabhänging voneinander bestanden werden.

Die Termine für die Prüfungen sind wie folgt:

• The exams will probably take place on Tuesday 23.07.2024 from 12:00 - 14:00 in Geschwister-Scholl-Platz 01 - Room E 004.
• Die Abschlusspräsentationen der praktischen Projekte finden am TBA statt während der Übungs- Vorlesungszeiten statt.
• Die Anmeldung zur Prüfung erfolgt auf Moodle.