Inhalt
Der Laborkurs "Deep Learning" besteht aus primär zwei Versuchen. Die erste Aufgabe besteht in der automatisierten Erkennung und Einstufung von diabetischer Retinopathie, einer Erkrankung der Netzhaut des Auges, die durch Diabetes hervorgerufen wird. Es sollen Visualisierungsmethoden für neuronale Netze eingesetzt werden um Einblick in deren Entscheidungen zu erlangen. In der zweiten Aufgabe werden rekurrente neuronale Netzwerke angewendet, um verschiedene menschliche Aktivitäten anhand von Inertialsensordaten zu erkennen.
Ziele der ersten Aufgabe: "Klassifikation von diabetischer Retinopathie":
- Erstellung eines generischen Frameworks für Ihre tiefe Deep Learning pipeline (effizientes Datenladen, Training, Auswertung, ...).
- Klassifikation der nicht referierbaren und referierbaren diabetischen Retinopathie.
- Sie werden eine tiefe Visualisierungsmethode verwenden, um Einblicke in Ihr trainiertes Modell zu erhalten.
Ziele der zweiten Aufgabe: "Detektion menschlicher Aktivitäten":
- Sie können Ihre eigenen Daten aufzeichnen.
- Klassifizieren Sie verschiedene Aktivitäten für eine Sensorposition auf der Grundlage des Beschleunigungsmessers und des Gyroskops.
- Hyperparameter-Optimierung entweder mittels Grid Search oder Bayes'sche Optimierung.
- Sie haben die Möglichkeit, ein Modell auf Ihrem Smartphone (Android) bereitzustellen.
Das Labor wird in Zweierteams durchgeführt.
Lernziele
Dieser Laborkurs ist eine ausgezeichnete Gelegenheit, um praktische Erfahrungen mit Tensorflow zu sammeln und Ihr akademisches Wissen im Bereich Deep Learning zu erweitern.
Voraussetzungen
- Bestehen der Deep Learning Prüfung
- Abgabe der Deep Learning Programmieraufgaben (individuelle Abgaben)
Registrierung
Die Anmeldung erfolgt im Wintersemester in der ersten Vorlesungswoche (Montag 07:00 Uhr - Dienstag 23:59 Uhr) in Campus. Der Anmeldezeitpunkt hat keine Relevanz für die Entscheidung, ob Sie einen Praktikumsplatz erhalten werden. Sie werden am Mittwoch darüber benachrichtigt.
Kontakt
Das Deep Learning Lab wird nur im Wintersemester angeboten.