Bölüm anahatları

• Genel bölümünü seçin

  Genel

  Hepsini daralt Hepsini genişlet

  Lectures: On Mondays, 12-14

  Exercises: On Tuesdays, 14-16

  Location (both lectures and exercises): Seminarraum 2 in the new KI Gebäude, ground floor (Campus Nord, Emil-Fischer-Str. 50)     

  • Ankündigungen etkinliğini seçin

    

    Ankündigungen Forum
• Mock Exam bölümünü seçin

  Mock Exam

  Bu gerçekleşmezse izin verilmez: Sizin boş olmayanlarınız E-posta adresi
• Lectures bölümünü seçin

  Lectures

  • Lecture 1: Intro to DL + Course Organization etkinliğini seçin

    

    Lecture 1: Intro to DL + Course Organization Dosya
  • Lecture 2: Feed Forward Networks etkinliğini seçin

    

    Lecture 2: Feed Forward Networks Dosya
  • Lecture 3: Optimization & Training etkinliğini seçin

    

    Lecture 3: Optimization & Training Dosya
  • Lecture 4: Convolutional Neural Networks etkinliğini seçin

    

    Lecture 4: Convolutional Neural Networks Dosya

    Please find the PDF & the PPT here, as well as the video recording for the second part of the lecture on important CNN architectures.

    The .pptx slides contain additional videos / animations that are not playing in the PDF.

     

     

  • Lecture 5: Autoencoders and Generative Adversarial Networks etkinliğini seçin

    

    Lecture 5: Autoencoders and Generative Adversarial Networks Dosya
  • Lecture 6: Recurrent Neural Networks, Sequence to Sequence and Attention Models etkinliğini seçin

    

    Lecture 6: Recurrent Neural Networks, Sequence to Sequence and Attention Models Dosya
  • Lecture 7: Attention & Transformers etkinliğini seçin

    

    Lecture 7: Attention & Transformers Dosya
  • Lecture 8 - Introduction to Reinforcement Learning etkinliğini seçin

    

    Lecture 8 - Introduction to Reinforcement Learning Dosya
  • Lecture 9 - Deep Reinforcement Learning etkinliğini seçin

    

    Lecture 9 - Deep Reinforcement Learning Dosya
  • Lecture 10 - Graph Representation Learning etkinliğini seçin

    

    Lecture 10 - Graph Representation Learning Dosya
  • Lecture 11 - Graph Neural Networks etkinliğini seçin

    

    Lecture 11 - Graph Neural Networks Dosya
• Exercises bölümünü seçin

  Exercises

  • Exercises etkinliğini seçin

    

    Exercises Forum

    If you have questions or problems with the exercises, you can ask here for help. 

  • Exercise 1 etkinliğini seçin

    

    Exercise 1 Ödev

    Exercise for Lecture 2

  • Exercise 2 etkinliğini seçin

    

    Exercise 2 Ödev
  • Exercise 3 etkinliğini seçin

    

    Exercise 3 Ödev
  • Exercise 4 etkinliğini seçin

    

    Exercise 4 Ödev
  • Exercise 5 etkinliğini seçin

    

    Exercise 5 Ödev
  • Exercise 6 etkinliğini seçin

    

    Exercise 6 Ödev
  • Exercise 7 etkinliğini seçin

    

    Exercise 7 Ödev
  • Exercise 8 etkinliğini seçin

    

    Exercise 8 Ödev
  • Exercise 9 etkinliğini seçin

    

    Exercise 9 Ödev
  • Exercise 10 etkinliğini seçin

    

    Exercise 10 Ödev
  • Exam review / Klausureinsicht etkinliğini seçin

    

    Exam review / Klausureinsicht Scheduler
  • Feedback DL etkinliğini seçin

    

    Feedback DL Anket (Geri bildirim)
• Content & schedule (planned, changes still possible) bölümünü seçin

  Content & schedule (planned, changes still possible)

  15.4. L1: Introduction to Deep Learning & Course Organization (Dozent: Goran Glavaš)

  22.4. L2: Building Blocks & Feed-forward Nets (Dozentin: Katharina Breininger)

  29.4. L3:  Optimization & Training (Dozent: Goran Glavaš)

  13.5. L4: Convolutional networks (Dozentin: Katharina Breininger)

  27.5. L5: Autoencoders & Generative Adversarial Networks (Dozent/in: Radu Timofte / Nancy Mehta )

  3.6. L6: Recurrent Networks (Dozent: Andreas Hotho)

  10.6. L7: Attention & Transformers (Dozent: Andreas Hotho)

  17.6. L8: Intro to Reinforcement Learning (Dozent: Carlo D'Eramo)

  24.6. L9: Deep Reinforcement Learning (Dozent: Carlo D'Eramo)

  1.7. L10: Graph Representation Learning (Dozent: Ingo Scholtes)

  8.7. L11: Neural Networks for/on Graphs (Dozent: Ingo Scholtes)