This page in EN
Veranstaltung
Introduction to Neural Networks and Genetic Algorithms [SS212540541]
Dozent/en
Einrichtung
- KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von
- Teilleistung Introduction to Neural Networks and Genetic Algorithms | Wirtschaftsingenieurwesen (B.Sc.)
- Teilleistung Introduction to Neural Networks and Genetic Algorithms | Technische Volkswirtschaftslehre (B.Sc.)
- Teilleistung Introduction to Neural Networks and Genetic Algorithms | Wirtschaftsinformatik (B.Sc.)
Literatur
Goldberg, David E. (2001)
Genetic Algorithms in Search, Optimization and Machine Learning.
Addison-Wesley, New York.
Bishop, Christopher M. (2006)
Pattern Recognition and Machine Learning.
Springer, New York.
Goodfellow, Ian; Bengio, Yoshua; Courville, Aaron (2016)
Deep Learning.
MIT Press. Cambridge.
Veranstaltungstermine
- 13.04.2021 16:00 - 17:30
- 20.04.2021 16:00 - 17:30
- 27.04.2021 16:00 - 17:30
- 04.05.2021 16:00 - 17:30
- 11.05.2021 16:00 - 17:30
- 18.05.2021 16:00 - 17:30
- 01.06.2021 16:00 - 17:30
- 08.06.2021 16:00 - 17:30
- 15.06.2021 16:00 - 17:30
- 22.06.2021 16:00 - 17:30
- 29.06.2021 16:00 - 17:30
- 06.07.2021 16:00 - 17:30
- 13.07.2021 16:00 - 17:30
- 20.07.2021 16:00 - 17:30
Anmerkung
Lehrinhalt:
Die Lehrveranstaltung besteht aus einer kurzen Einleitung und zwei Teilen:
- In der Einleitung werden die biologischen Mechanismen
von neuronalen und genetischen Verfahren vorgestellt.
Außerdem wird ein gemeinsamer Rahmen für die Evaluation
des Lernerfolges der Verfahren in Anwendungen eingeführt. - Im Bereich der neuronalen Verfahren werden die Basisalgorithmen
(z.B. Backpropagation) und ihre Anwendungen im Data Science
vorgestellt. - Im Bereich der genetischen Verfahren werden einfache genetische
Algorithmen und ihre Varianten vorgestellt und angewendet.
Lernziele:
Der Student kennt die wesentlichen Algorithmen und Lernverfahren
für neuronale Netze und genetische Algorithmen und er kann diese
Verfahren (z.B. in R) praktisch anwenden und ihre Qualität
beurteilen.
Arbeitsaufwand:
Gesamtaufwand bei 4,5 Leistungspunkten ca. 135 Stunden:
Präsenzzeit
- Besuch der Vorlesung: 15 x 90min = 22h 30m
- Besuch der Übung: 7 x 90min = 10h 30m
- Prüfung: 1h 00m
Selbststudium
- Vor-/Nachbereitung der Vorlesung: 15 x 180min = 45h 00m
- Vorbereitung der Übung: 25h 00m
- Vorbereitung der Prüfung: 31h 00m
Summe: 135h 00m