Deep Learning hat in den letzten Jahren massive Fortschritte in der Genauigkeit von Maschinellen Lernverfahren in Bereichen wie der Bilderkennung oder bei der Verarbeitung natürlicher Sprache ermöglicht. Deep Learning hat sich dabei auch methodisch stark von den seinen klassischen Modellen, Convolutional oder Recurrent Neural Networks, weiterentwickelt. Dieses Seminar gibt einen Einblick in diese Neuentwicklungen. Dabei legt es seinen Fokus auf graphbasierte Modelle (z.B. Graph Convolutional Networks, Transformers) und stochastische Modelle (z.B. Variational Auto-encoders, implizite Modelle). Studierende werden jeweils einen Ansatz aus diesen Bereichen in Vortrag und Ausarbeitung detailliert darstellen und auch praktisch umsetzen.
Semester: WiSe 2020/21