227-0085-59L  Projekte & Seminare: Hands-On Deep Learning

SemesterHerbstsemester 2022
DozierendeR. Wattenhofer
Periodizitätjedes Semester wiederkehrende Veranstaltung
LehrspracheEnglisch
KommentarDie Lerneinheit kann nur einmal belegt werden. Eine wiederholte Belegung in einem späteren Semester ist nicht anrechenbar.



Lehrveranstaltungen

NummerTitelUmfangDozierende
227-0085-59 PProjekte & Seminare: Hands-On Deep Learning Für Fachstudierende und Hörer/-innen ist eine Spezialbewilligung der Dozierenden notwendig.
Für den Zugang zum Angebot und zur Einschreibung loggen Sie sich hier ein (mit Ihrem n.ETHZ account): Link
Bitte beachten Sie, dass die Seite jeweils erst zwei Wochen vor Semesterbeginn zugänglich ist und im Verlauf des Semesters wieder abgeschaltet wird. Die Einschreibung ist nur von Freitag vor Semesterbeginn bis zum ersten Freitagmittag im Semester möglich.

To access the offer and to enroll for courses log in (with your n.ethz account): Link
Please note that the P&S-site is accessible no earlier than two weeks before the start of the semester until four weeks after the start of the semester. Enrollment is only possible from Friday before the start of the semester until noon of the first Friday in the semester.
24s Std.
Di/208:15-12:00ETZ K 91 »
R. Wattenhofer

Katalogdaten

KurzbeschreibungDer Bereich Praktika, Projekte, Seminare umfasst Lehrveranstaltungen in unterschiedlichen Formaten zum Erwerb von praktischen Kenntnissen und Fertigkeiten. Ausserdem soll selbstständiges Experimentieren und Gestalten gefördert, exploratives Lernen ermöglicht und die Methodik von Projektarbeiten vermittelt werden.
LernzielThe objective of this P&S is to expose students to both common and cutting-edge neural architectures and to build intuition about their inner working by the means of examples. Students learn about various network structures as building blocks and use them to solve worked examples and course challenges. After attending this course, students will be familiar with multi-layer perceptrons, convolutional neural networks, recurrent neural networks, transformer encoders, graph convolutional/isomorphism/attention networks, and autoencoders.
InhaltThis P&S introduces deep learning through the PyTorch framework in a series of hands-on examples, exploring topics in computer vision, natural language processing, graph neural networks, and representation learning.
SkriptPython Notebooks will be distributed to students before every session.

Leistungskontrolle

Information zur Leistungskontrolle (gültig bis die Lerneinheit neu gelesen wird)
Leistungskontrolle als Semesterkurs
ECTS Kreditpunkte1.5 KP
PrüfendeR. Wattenhofer
Formunbenotete Semesterleistung
PrüfungsspracheEnglisch
RepetitionRepetition nur nach erneuter Belegung der Lerneinheit möglich.

Lernmaterialien

 
HauptlinkWebsite
Es werden nur die öffentlichen Lernmaterialien aufgeführt.

Gruppen

Keine Informationen zu Gruppen vorhanden.

Einschränkungen

Allgemein : Für Fachstudierende und Hörer/-innen ist eine Spezialbewilligung der Dozierenden notwendig
PlätzePlätze beschränkt. Spezielles Auswahlverfahren.
BelegungsbeginnBelegung ab 16.09.2022 möglich
VorrangDie Belegung der Lerneinheit ist nur durch die primäre Zielgruppe möglich
Primäre ZielgruppeElektrotechnik und Informationstechnologie BSc (228000)
WartelisteBis 07.10.2022
BelegungsendeBelegung nur bis 30.09.2022 möglich

Angeboten in

StudiengangBereichTyp
Elektrotechnik und Informationstechnologie BachelorProjekte & SeminareWInformation