700.340 (21S) Machine Learning in Intelligent Transportation

Sommersemester 2021

Anmeldefrist abgelaufen.

Erster Termin der LV
04.03.2021 14:00 - 16:00 Online Off Campus
... keine weiteren Termine bekannt

Überblick

Bedingt durch die COVID-19-Pandemie können kurzfristige Änderungen bei Lehrveranstaltungen und Prüfungen (z.B. Absage von Präsenz-Lehreveranstaltungen und Umstellung auf Online-Prüfungen) erforderlich sein.

Weitere Informationen zum Lehrbetrieb vor Ort finden Sie unter: https://www.aau.at/corona.
Lehrende/r
LV-Titel englisch Machine Learning in Intelligent Transportation
LV-Art Vorlesung-Seminar (prüfungsimmanente LV )
LV-Modell Onlinelehrveranstaltung
Semesterstunde/n 2.0
ECTS-Anrechnungspunkte 4.0
Anmeldungen 22 (20 max.)
Organisationseinheit
Unterrichtssprache Englisch
LV-Beginn 04.03.2021
eLearning zum Moodle-Kurs
Seniorstudium Liberale Ja

Zeit und Ort

Beachten Sie bitte, dass sich aufgrund von COVID-19-Maßnahmen die derzeit angezeigten Termine noch ändern können.
Liste der Termine wird geladen...

LV-Beschreibung

Intendierte Lernergebnisse

After this course student will get the knowledge about the state of the art methods regarding machine learning and particularly deep learning

Students will be able to model the state of the art neural networks architectures.

Several applications will be addressed such as: Self driving cars, Natural Language Processing, Machine Vision and state of the art Alphazero player

And we will learn how to build state of the art self driving car simulation https://www.youtube.com/watch?v=Fgv5H_Parwc&list=PLUAvE4k0OWwdbKM7G532jd_jowoDmue2o

Lehrmethodik inkl. Einsatz von eLearning-Tools

The sessions will combine theoretical background, seminars about recent papers and mathematical modeling of deep learning architectures  


Inhalt/e

1. Introduction to machine learning

2. Linear and Logistic regression

3. Shallow Neural Networks

4. Deep Neural Networks

5. Backpropagation algorithms

6. Convolutional Neural Networks

7. Autoencoders

8. Recurrent Neural Networks

9. Long Term Short Term Memory Networks

10. Deep Learning in Natural Language Processing 

11. Differentiable Neural Computing

12. Deep Reinforcement Learning 




Erwartete Vorkenntnisse

Applied Statistics + Calculus


Literatur

https://www.deeplearningbook.org/

Prüfungsinformationen

Im Fall von online durchgeführten Prüfungen sind die Standards zu beachten, die die technischen Geräte der Studierenden erfüllen müssen, um an diesen Prüfungen teilnehmen zu können.

Beurteilungsschema

Note Benotungsschema

Position im Curriculum

  • Masterstudium Information and Communications Engineering (ICE) (SKZ: 488, Version: 15W.1)
    • Fach: Information and Communications Engineering: Supplements (NC, ASR) (Wahlfach)
      • Wahl aus dem LV-Katalog (Anhang 4) ( 0.0h VK, VO, KU / 14.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)
  • Masterstudium Information and Communications Engineering (ICE) (SKZ: 488, Version: 15W.1)
    • Fach: Technical Complements (NC, ASR) (Wahlfach)
      • Wahl aus dem LV-Katalog (Anhang 5) ( 0.0h VK, VO, KU / 12.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)
  • Masterstudium Information and Communications Engineering (ICE) (SKZ: 488, Version: 15W.1)
    • Fach: Information and Communications Engineering: Supplements (NC, ASR) (Wahlfach)
      • Wahl aus dem LV-Katalog (Anhang 4) ( 0.0h VK, VO, KU / 14.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)
  • Masterstudium Information and Communications Engineering (ICE) (SKZ: 488, Version: 15W.1)
    • Fach: Technical Complements (NC, ASR) (Wahlfach)
      • Wahl aus dem LV-Katalog (Anhang 5) ( 0.0h VK, VO, KU / 12.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)
  • Masterstudium Information and Communications Engineering (ICE) (SKZ: 488, Version: 15W.1)
    • Fach: Autonomous Systems and Robotics: Advanced (ASR) (Wahlfach)
      • Wahl aus dem LV-Katalog (siehe Anhang 3) ( 0.0h VK, VO / 30.0 ECTS)
        • 700.340 Machine Learning in Intelligent Transportation (2.0h VS / 4.0 ECTS)

Gleichwertige Lehrveranstaltungen im Sinne der Prüfungsantrittszählung

Sommersemester 2024
  • 700.340 VS Neurocomputing in Robotics and Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2023
  • 700.340 VS Machine Learning in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2022
  • 700.340 VS Machine Learning in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2020
  • 700.340 VS Machine Learning in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2019
  • 700.340 VS Machine Learning in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2018
  • 700.340 VS Machine Learning in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2017
  • 700.340 VS Machine Learning in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2016
  • 700.340 VS Machine Vision in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2015
  • 700.340 VS Machine Vision in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2014
  • 700.340 VS Machine Vision in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2013
  • 700.340 VS Machine Vision in Intelligent Transportation (2.0h / 4.0ECTS)