Machine Learning: Methods and Tools

Vortragende/r (Mitwirkende/r)
Nummer0000001908
Art
Umfang4 SWS
SemesterSommersemester 2021
UnterrichtsspracheEnglisch
Stellung in StudienplänenSiehe TUMonline

Termine

Teilnahmekriterien

Lernziele

Nach der Teilnahme an den Modulveranstaltungen kennt und beherrscht der Studierende in differenzierter Weise grundlegende Methoden und Algorithmen des Maschinellen Lernens. Er/sie ist in der Lage diese im Ingenieursalltag bei Entwurfsaufgaben der Mikroelektronik anzuwenden. Darüber hinaus ist er/sie in der Lage, sich in weitere Spezialgebiete des Maschinellen Lernens einzuarbeiten. Er/sie kennt die Einbettung des Maschinellen Lernens in die digitale Transformation und ist sich der gesellschaftlichen Chancen und Risiken bewusst.

Beschreibung

SS 2021: Vorlesung und Prüfung online **Vorlesung, Übung und Praktikum** Digitale Transformation und Maschinelles Lernen; Python, Standardbibliotheken, SciPY und NumPy; Theorie des Maschinellen Lernens, Regularisierung, Fehler und Rauschen; Datenanalyse, Pre-Processing, Visualisierung: Einführung in Algorithmen des Maschinellen Lernens; Einführung in vorwärtsgekoppelte Neuronale Netze und faltende neuronale Netze, RNNs, LSTM; Trainieren von neuronalen Netzen, Aufmerksamkeitsmodelle, unbeaufsichtiges Lernen, bestärkendes Lernen, Hyperparameter-Optimierung;

Inhaltliche Voraussetzungen

Kenntnisse in Linearer Algebra, Analysis und Statistik, Kenntnisse einer Programmiersprache z.B. C, C++, Java

Lehr- und Lernmethoden

Vorlesung und Übung sind als interaktiver Frontalunterricht gestaltet. Durch Projektion von Folien und Tafelanschrieb werden in der Vorlesung die zu lehrenden Algorithmen Schritt für Schritt und unter Beteiligung der Lernenden entwickelt. In der Übung findet Arbeitsunterricht durch Vorrechnen und gemeinsames Rechnen von Aufgaben statt. Dabei werden Algorithmen beispielhaft und wiederholt eingesetzt. Die Studierenden bereiten sich auf Vorlesung und Übung durch Studium der Unterlagen vor und bereiten durch Selbststudium den durchgenommenen Stoff nach. Eigene Literaturrecherchen sind Teil des Selbststudiums. In einem Praktikumsteil werden den Studierenden praktische Probleme aus dem Bereich der Mikroelektronik zur selbständigen Lösung gestellt. Die gestellten Aufgaben umfassen praxisrelevante Anwendungen des Maschinellen Lernens beim automatischen Entwurf integrierter Schaltungen und Systeme.

Studien-, Prüfungsleistung

Die Prüfung besteht aus 2 Teilen: - einem praktischen Teil (50%) und einer - mündlichen Prüfung (50%) am Ende der Vorlesungszeit. Der praktische Teil findet in einem Rechnerraum an der TUM statt. Die Studenten haben 3 Stunden Zeit, eine praktische Entwurfsaufgabe aus dem Bereich der Mikroelektronik mit den Methoden des Maschinellen Lernens zu lösen. Die mündliche Prüfung dauert 30 Minuten, es werden jeweils zwei Studenten zusammen geprüft. Sie umfasst ** Verständnisfragen zum Prüfen des Wissens, ** Handrechnungsaufgaben zum Prüfen des Könnens, ** Fragen zu den praktischen Übungen und ** Hintergrundfragen.

Empfohlene Literatur

Maschinelles Lernen - Grundlagen und Algorithmen in Python, Frochte J., Hanser Fachbuch * Einführung in Python 3, Klein B., Hanser Fachbuch. * Learning from Data, Abu-Mostafa, Yaser S. et al., AMLBook 2012. * Deep Learning, Goodfellow, Ian et al, The MIT Press 2016. * Machine learning: A probabilistic perspective, Murphy, Kevin P., The MIT Press 2013

Links


Vollständiges Lehrangebot

Bachelorbereich: BSc-EI, MSE, BSEEIT

 

WS

SS

Diskrete Mathematik für Ingenieure (BSEI, EI00460)

Discrete Mathematics for Engineers (BSEEIT) (Schlichtmann) (Januar)

 

O/P

WS

SS

Entwurf digitaler Systeme mit VHDL u. System C (BSEI, EI0690) (Ecker)

WS 20/21 block course after lecture period

O/O

 

SS

Entwurfsverfahren für integrierte Schaltungen (MSE, EI43811) (Schlichtmann)

--

WS

 

Methoden der Unternehmensführung (BSEI, EI0481) (Weigel)

--

WS

 

Praktikum System- und Schaltungstechnik (BSEI, EI0664) (Schlichtmann et al.)

--

 

SS

Schaltungssimulation (BSEI, EI06691) (Gräb/Schlichtmann)

O/O

 

Masterbereich: MSc-EI, MSCE, ICD

 

SS

Advanced Topics in Communication Electronics (MSCE, MSEI, EI79002)

?

WS

 

Aspects of Integrated Systems Technology & Design (MSCE, MSEI, EI5013) (Wurth)

--

WS

 

Electronic Design Automation (MSCE, MSEI, EI70610) (B. Li, Tseng)

--

WS

 

Design Methodology and Automation (ICD) (Schlichtmann) (Nov)

--

WS

SS

Machine Learning: Methods and Tools (MSCE, MSEI, EI71040) (Ecker)

O/O

WS

SS

SS

Mathematical Methods of Circuit Design (MSCE, MSEI, EI74042) (Gräb)

Simulation and Optimization of Analog Circuits (ICD) (Gräb) (Mai)

O/O

O/P

WS

 

Mixed Integer Programming and Graph Algorithms in Engineering Problems (MSCE, MSEI, EI71059) (Tseng)

--

WS

SS

Numerische Methoden der Elektrotechnik (MSEI, EI70440) (Schlichtmann oder Gräb)

O/P

WS

WS

SS

Seminar VLSI-Entwurfsverfahren (MSEI, EI7750) (Schlichtmann/Müller-Gritschneder)

Seminar on Topics in Electronic Design Automation (MSCE, EI77502) (Schlichtmann/Müller-Gritschneder)

O

WS

SS

Synthesis of Digital Systems (MSCE, MSEI, EI70640) (Müller-Gritschneder)

O/P

WS

 

Testing Digital Circuits (MSCE, MSEI, EI50141) (Otterstedt)

--

WS

 

Timing of Digital Circuits (MSCE, MSEI, EI70550) (B. Li, Zhang)

--

WS

SS

VHDL System Design Laboratory (MSCE, MSEI, EI7403) (Schlichtmann)

O/O

 

Die Spalte ganz rechts bezeichnet die Form der Vorlesung/Prüfung im SS 2021. O=online, P=physische Präsenz

The column on the very right denotes the type of course/exam in SS 2021. O=online, P=physical presence

 

MSE: Munich School of Engineering (TUM)

BSEEIT: Bachelor in Electrical Engineering and Information Technology (TUM-Asia)

ICD: Master of Science in Integrated Circuit Design (TUM-Asia)

MSCE: Master of Science in Communications Engineering (TUM)

MSEI: Master of Science in Elektrotechnik und Informationstechnik

BSEI: Bachelor of Science in Elektrotechnik und Informationstechnik

 

Aktuelle Infos zur Lehre/Current information on teaching: https://www.tum.de/die-tum/aktuelles/coronavirus/studium/, www.ei.tum.de