Maschinelles Lernen für Computersehen (IN2357)
Machine Learning for Computer Vision (IN2357)
Lehrveranstaltung 0000002794 im WS 2019/20
Basisdaten
LV-Art | Vorlesung |
---|---|
Umfang | 2 SWS |
betreuende Organisation | Informatik 9 - Lehrstuhl für Computer Vision and Artificial Intelligence (Prof. Cremers) |
Dozent(inn)en |
Nikolaus Demmel Leitung/Koordination: Daniel Cremers Mitwirkende: Rudolph Triebel |
Termine |
Fr, 16:00–18:00, Interims I 102 Mi, 16:00–18:00, PH HS2 Do, 16:00–18:00, PH HS1 |
Zuordnung zu Modulen
-
IN2357: Maschinelles Lernen für Computersehen / Machine Learning for Computer Vision
Dieses Modul ist in den folgenden Katalogen enthalten:- Allgemeiner Katalog der nichtphysikalischen Wahlfächer
weitere Informationen
Lehrveranstaltungen sind neben Prüfungen Bausteine von Modulen. Beachten Sie daher, dass Sie Informationen zu den Lehrinhalten und insbesondere zu Prüfungs- und Studienleistungen in der Regel nur auf Modulebene erhalten können (siehe Abschnitt "Zuordnung zu Modulen" oben).
ergänzende Hinweise | Maschinelle Lernmethoden sind ein wesentlicher Bestandteil zur Lösung wichtiger Probleme aus dem Bereich Computersehen, wie z.B. Objektklassifikation und -lageschätzung, Objektverfolgung, Bildsegmentierung, Entrauschen von Bildern, oder Kamerakalibrierung. In dieser Vorlesung werden daher die wichtigsten Methoden des maschinellen Lernens vorgestellt und mathematisch hergeleitet. Diese umfassen vor allem: - Kernel Methoden, insbes. Gaußprozesse - Lernen von Metriken - Clusteringmethoden wie GMM oder Spektrales Clustern - Boosting und Bagging - Hidden Markov Modelle - Neuronal Netze und Deep Learning * - Sampling Methoden, insbes MCMC Der Fokus liegt hierbei in einem breiten Verständnis dieser Methoden und nicht in der Vertiefung einzelner Ansätze. Praktische Erfahrung wird anhand von Programmieraufgaben gesammelt. *Das Thema Deep Learning wird nur am Rande behandelt. Für eine ausführliche Behandlung des Themas wird auf andere Veranstaltungen verwiesen, z.B. IN2346 |
---|---|
Links | TUMonline-Eintrag |
Gleiche Lehrveranstaltungen (z. B. in anderen Semestern)
Semester | Titel | Dozent(en) | Termine |
---|---|---|---|
SS 2022 | Maschinelles Lernen für Computersehen (IN2357) | Triebel, R. |
Fr, 12:00–14:00, Interims I 102 Do, 16:00–18:00, Interims I 102 |
SS 2021 | Machine Learning for Computer Vision (IN2357) |
Demmel, N.
Yenamandra, T.
Leitung/Koordination: Cremers, D. Mitwirkende: Triebel, R. |
Mi, 16:00–18:00, virtuell Fr, 14:00–16:00, virtuell sowie einzelne oder verschobene Termine |
WS 2020/1 | Machine Learning for Computer Vision (IN2357) |
Köstler, L.
Triebel, R.
Leitung/Koordination: Cremers, D. |
Fr, 16:00–18:00, virtuell Mi, 16:00–18:00, virtuell Do, 16:00–18:00, virtuell |
SS 2020 | Machine Learning for Computer Vision (IN2357) |
Sommer, C.
Leitung/Koordination: Cremers, D. Mitwirkende: Triebel, R. |
Do, 16:00–18:00, virtuell Fr, 12:00–14:00, virtuell |
SS 2019 | Machine Learning for Computer Vision (IN2357) |
Häfner, B.
Leitung/Koordination: Cremers, D. Mitwirkende: Triebel, R. |
|
WS 2018/9 | Machine Learning for Computer Vision (IN2357) |
Leitung/Koordination: Cremers, D. Mitwirkende: Triebel, R. |
|
SS 2018 | Machine Learning for Computer Vision (IN2357) |
Schubert, D.
Leitung/Koordination: Cremers, D. Mitwirkende: Triebel, R. |