Veranstaltung

Rechnerarchitekturen für Deep Learning Anwendungen

Es gibt keine Informationen zu einem Belegungsverfahren.

	Tag	Zeit	Rhythmus	Dauer	Raum	Raum- plan	Lehrperson	Status	Bemerkung	fällt aus am	Max. Teilnehmer/-innen
	Di.	13:00 bis 15:00	woch	17.10.2023 bis 26.01.2024	A.-Einstein-Str. 26 - HS 001, A.-Einstein-Str. 26		Knödtel, Reichenbach	fällt aus	Praktikum nach Vereinbarung
	Mi.	09:00 bis 11:00	woch	18.10.2023 bis 26.01.2024	A.-Einstein-Str. 26 - HS 001, A.-Einstein-Str. 26		Knödtel, Reichenbach	fällt aus

Gruppe [unbenannt]:

vormerken

Verantwortliche Person	Zuständigkeit
Prof. Dr.-Ing. Marc Reichenbach

Studiengang/Abschluss/Prüfungsversion	Semester	Teilnahmeart
Electrical Engineering, Master (2023)	1. - 3. Semester	wahlobligatorisch

Lerninhalte	Einführung in das maschinelle Lernen und neuronale Netze Bewertung von Rechnerarchitekturen Optimierungsverfahren zur Minimierung der Rechenlast für neuronale Netze Nutzung von CPUs, GPUs, TPUs und FPGAs für die effiziente Ausführung neuronaler Netze Neuere Ansätze: Analoges Rechnen, Computation-in-Memory, neuartige Speicherbauelemente

Lerninhalte

Einführung in das maschinelle Lernen und neuronale Netze
Bewertung von Rechnerarchitekturen
Optimierungsverfahren zur Minimierung der Rechenlast für neuronale Netze
Nutzung von CPUs, GPUs, TPUs und FPGAs für die effiziente Ausführung neuronaler Netze
Neuere Ansätze: Analoges Rechnen, Computation-in-Memory,

neuartige Speicherbauelemente

Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WS 2023/24 , Aktuelles Semester: Sommer 2024