Deep Learning

Mündliche Prüfungen werden auf Englisch oder Deutsch angeboten; schriftliche Prüfungen werden ausschließlich auf Englisch angeboten.

Die Prüfungen finden in Präsenz oder Online statt.

Die Klausur kann gemäß RPO auch als Multiple-Choice-Prüfung, E-Klausur oder Hausklausur abgelegt werden. 

• Lecture script
• TBD

The students will know the fundamental methods and architectures in deep learning and their application for materials science and engineering. They will be able to implement the different network and models in Python in order to solve a specific domain question. Based on the model output, the students are are able to critically assess and interpret the results in the context of the application.

1. Neurons and multilayer perceptron
2. Regularization and optimization
3. Convolutional neural networks
4. Recurrent neural networks
5. (Variational) autoencoder
6. Generative adversarial networks
7. Diffusion models
8. Transfer learning
9. Large language models