Technische Universität Braunschweig
  • Studium & Lehre
    • Vor dem Studium
      • Informationen für Studieninteressierte
      • Studiengänge von A-Z
      • Bewerbung
      • Fit4TU - Self-Assessment
      • Beratungsangebote für Studieninteressierte
      • Warum Braunschweig?
    • Im Studium
      • Erstsemester-Hub
      • Semestertermine
      • Lehrveranstaltungen
      • Studien-ABC
      • Studienorganisation
      • Beratungsnavi
      • Zusatzqualifikationen
      • Finanzierung und Kosten
      • Besondere Studienbedingungen
      • Gesundheit & Wohlbefinden
      • Campusleben
    • Nach dem Studium
      • Exmatrikulation und Vorlegalisation
      • Nach dem Abschluss
      • Alumni*ae
    • Strategien und Qualitätsmanagement
      • Qualitätsmanagement
      • Systemakkreditierung
      • Studienqualitätsmittel
      • TU Lehrpreis
    • Für Lehrende
      • Informationen für Lehrende
      • Konzepte
      • Lernmanagementsystem Stud.IP
    • Kontakt
      • Studienservice-Center
      • Sag's uns - in Studium und Lehre
      • Zentrale Studienberatung
      • Immatrikulationsamt
      • Abteilung 16 - Studium und Lehre
      • Career Service
      • Projekthaus
  • Forschung
    • Forschungsprofil
      • Forschungsschwerpunkte
      • Exzellenzcluster der TU Braunschweig
      • Forschungsprojekte
      • Forschungszentren
      • Forschungsprofile der Professuren
    • Frühe Karrierephase
      • Förderung in den frühen Phasen der wissenschaftlichen Karriere
      • Promotion
      • Postdocs
      • Nachwuchsgruppenleitung
      • Junior Professur und Tenure-Track
      • Habilitation
      • Service-Angebote für Wissenschaftler*innen
    • Forschungsdaten & Transparenz
      • Transparenz in der Forschung
      • Forschungsdaten
      • Open Access Strategie
      • Digitale Forschungsanzeige
    • Forschungsförderung
      • Netzwerk Forschungsförderung
      • Datenbanken und Stiftungen
    • Kontakt
      • Forschungsservice
      • Graduiertenakademie
  • International
    • Internationale Studierende
      • Warum Braunschweig?
      • Studium mit Abschluss
      • Austauschstudium
      • TU Braunschweig Summer School
      • Geflüchtete
      • International Student Support
      • International Career Service
    • Wege ins Ausland
      • Studium im Ausland
      • Praktikum im Ausland
      • Lehren und Forschen im Ausland
      • Arbeiten im Ausland
    • Internationale Forschende
      • Welcome Support for International Researchers
      • Service für gastgebende Einrichtungen
    • Sprachen und interkulturelle Kompetenzvermittlung
      • Deutsch lernen
      • Fremdsprachen lernen
      • Interkulturelle Kompetenzvermittlung
    • Internationales Profil
      • Internationalisierung
      • Internationale Kooperationen
      • Strategische Partnerschaften
      • Internationale Netzwerke
    • International House
      • Wir über uns
      • Kontakt & Sprechstunden
      • Aktuelles und Termine
      • International Days
      • 5. Studentische Konferenz: Internationalisierung der Hochschulen
      • Newsletter, Podcast & Videos
      • Stellenausschreibungen
  • Die TU Braunschweig
    • Unser Profil
      • Ziele & Werte
      • Ordnungen und Leitlinien
      • Allianzen & Partner
      • Hochschulentwicklung 2030
      • Internationale Strategie
      • Fakten & Zahlen
      • Unsere Geschichte
    • Karriere
      • Arbeiten an der TU
      • Stellenmarkt
      • Berufsausbildung an der TU
    • Wirtschaft & Unternehmen
      • Unternehmensgründung
      • Freunde & Förderer
    • Öffentlichkeit
      • Veranstaltungskalender
      • Check-in für Schüler*innen
      • Hochschulinformationstag (HIT)
      • CampusXperience
      • Kinder-Uni
      • Das Studierendenhaus
      • Gasthörer*innen & Senior*innenstudium
      • Nutzung der Universitätsbibliothek
    • Presse & Kommunikation
      • Stabsstelle Presse und Kommunikation
      • Medienservice
      • Ansprechpartner*innen
      • Tipps für Wissenschaftler*innen
      • Themen und Stories
    • Kontakt
      • Allgemeiner Kontakt
      • Anreise
      • Für Hinweisgeber
  • Struktur
    • Leitung & Verwaltung
      • Das Präsidium
      • Stabsstellen
      • Verwaltung
      • Organe, Statusgruppen und Kommissionen
    • Fakultäten
      • Carl-Friedrich-Gauß-Fakultät
      • Fakultät für Lebenswissenschaften
      • Fakultät Architektur, Bauingenieurwesen und Umweltwissenschaften
      • Fakultät für Maschinenbau
      • Fakultät für Elektrotechnik, Informationstechnik, Physik
      • Fakultät für Geistes- und Erziehungswissenschaften
    • Institute
      • Institute von A-Z
    • Einrichtungen
      • Universitätsbibliothek
      • Gauß-IT-Zentrum
      • Zentrale Personalentwicklung
      • International House
      • Projekthaus
      • Transferservice
      • Hochschulsportzentrum
      • Einrichtungen von A-Z
    • Studierendenschaft
      • Studierendenparlament
      • Fachschaften
      • Studentische Wahlen
    • Lehrer*innenbildung
      • Lehrer*innenfortbildung
      • Forschung
    • Chancengleichheit
      • Gleichstellung
      • Familie
      • Diversität
    • Kontakt
      • Personensuche
  • Suche
  • Schnellzugriff
    • Personensuche
    • Webmail
    • cloud.TU Braunschweig
    • Messenger
    • Mensa
    • TUconnect (Studierendenportal)
    • Lehrveranstaltungen
    • Im Notfall
    • Stud.IP
    • UB Katalog
    • Status GITZ-Dienste
    • Störungsmeldung GB3
    • IT Dienste
    • Informationsportal (Beschäftigte)
    • Beratungsnavi
    • Linksammlung
    • DE
    • EN
    • Instagram
    • YouTube
    • LinkedIn
    • Mastodon
    • Bluesky
Menü
  • Struktur
  • Fakultäten
  • Fakultät für Elektrotechnik, Informationstechnik, Physik
  • Institute
  • Institut für Nachrichtentechnik
  • Studium & Lehre
  • Lehrveranstaltungen im Sommersemester
Logo Institut für Nachrichtentechnik der TU Braunschweig
Deep Learning Lab
  • Lehrveranstaltungen im Sommersemester
    • Advanced Topics in Mobile Radio Systems
    • Codierungstheorie
    • Computer Lab Mustererkennung
    • Digitale Signalübertragung
    • Digitale Signalverarbeitung
    • Deep Learning Lab
    • Einführung in die Elektrotechnik für Medienwissenschaftler
    • Elektrotechnische Grundlagen der Technischen Informatik
    • Labor Mobilfunksysteme
    • Maschinelles Lernen und seine Anwendung in der Nachrichtentechnik
    • Medientechnisches Projekt (DiKuM)
    • Modellierung und Simulation von Mobilfunksystemen
    • Netzwerk-Informationstheorie
    • Oberseminar Machine Learning
    • Optimierungs- und Spieltheorie in der Nachrichtentechnik
    • Quantenkommunikationsnetzwerke
    • Pattern Recognition (Mustererkennung)
    • Planung terrestrischer Funknetze
    • Rechnerübung zur Codierungstheorie
    • Rechnerübung zur Digitalen Signalverarbeitung
    • Rechnerübung zur Modellierung und Simulation von Mobilfunksystemen
    • Rechnerübung zur Planung terrestrischer Funknetze
    • Rechnerübung zur digitalen Signalübertragung
    • Ringvorlesung Elektrotechnik und Informationstechnik
    • Sicherheit auf der Übertragungsschicht
    • Softwareentwicklungspraktikum
    • Teamprojekt Digitale Signalverarbeitung
    • ⤶ Studium & Lehre
    • ⌂ IfN

Deep Learning Lab

Inhalt:

Das Deep Learning Lab soll dazu dienen, die Fachkenntnisse der Studierenden im Bereich der Mustererkennung bzw. des Machine Learnings mittels praktischer Anwendung zu vertiefen. Durch Implementierung und Parametrierung wichtiger Klassifikationsalgorithmen wie linearer Trennfunktionen, Support-Vektor-Maschinen und neuronaler Netze sollen wichtige Methodenkompetenzen erlangt werden. Auch moderne und neuartige Methoden des Lernens besonderer tiefer neuronaler Netze sind Bestandteil dieses Praktikums.

Als Motivation zum weiterführenden Selbststudium arbeiten die Studierenden mit frei verfügbaren Datensätzen, der freien Programmiersprache Python und Open-Source-Software-Bibliotheken. Für die aufwendigen Berechnungen der dazugehörigen Trainingsalgorithmen wird den Studierenden aktuelle, zentralisierte GPU-Hardware zur Verfügung gestellt.

Foto einer Präsentation beim Deep Learning Lab
Foto von Studierenden beim Deep Learning Lab

Das Deep Learning Lab unterteilt sich in 3 Praxisphasen:

• In der ersten Phase erarbeiten sich die Studierenden selbstständig, anhand vorgegebener Übungsaufgaben, grundlegende Kenntnisse der Programmiersprache Python und der benötigten Bibliotheken für die folgenden Aufgaben.

• In der zweiten Phase sollen die Studierenden Aufgaben zu einigen Methoden des Maschinellen Lernens bearbeiten, die in der Vorlesung Mustererkennung vorgestellt worden sind.

• In der dritten Phase, der sog. Machine Learning Challenge, sollen die erlernten Methoden selbstständig zur Lösung eines Problems angewendet werden.

Die Studierenden bekommen hier echte Daten (ggf. aus dem industriellen Anwendungsbereich) zur Verfügung gestellt und haben die Aufgabe mit den erlernten Methoden ein eigenes System zur Mustererkennung zu entwickeln. Die Studierenden sollen dabei im Wettbewerb untereinander eine bestmögliche Performanz ihres Systems erzielen.

Zur Förderung der Teamfähigkeit werden das Praktikum und der anschließende Wettbewerb in kleinen Gruppen von 3 Personen durchgeführt. Die maximale Anzahl der Teilnehmer*innen ist auf 30 begrenzt. Bei mehr Anmeldungen als Teilnehmer:innen entschiedet ein Losverfahren.

Vorab wird ein Besuch der Lehrveranstaltung Mustererkennung im Wintersemester (oder einer vergleichbaren Veranstaltung) als Grundlage für die Lehrveranstaltung empfohlen.

Die Ergebnisse der ersten beiden Phasen werden im Rahmen eines Kolloquiums mit einem Betreuer/einer Betreuerin abgefragt. Die Ergebnisse der Machine Learning Challenge werden von den einzelnen Teams bei einer Abschlussveranstaltung vorgestellt.

Dozent: Prof. Tim Fingscheidt

Assistent:innen: Thomas Graave, Björn Möller

Labor (DLL Lab) (ET-NT-111):
 
Umfang (SWS): 4h =  5 LPs
Zeit: individuell gestaltbar
Ort: R 316 CIP Pool IfN


Kickoff Termin:  siehe unten.
Sprache: deutsch / englisch

Aktuelles

Die Anmeldung für das Deep Learning Lab 2025 findet vom 27. Januar bis 07. Februar 2025 statt.

Informationen zur Kick-Off-Veranstaltung und StudIP-Link folgen hier.

 

 

Anmeldung

Die Anmeldung für das Deep Learning Lab 2025 findet vom 27.01.2025 bis 07.02.2025 statt. Die Zu- und Absagen werden per E-Mail verschickt.

Die Anmeldung für das Deep Learning Lab 2025 erfolgt per E-Mail an Tanja Kaib (tanja.kaib(at)tu-braunschweig.de) mit CC an Björn Möller (bjoern.moeller(at)tu-braunschweig.de) und Thomas Graave (thomas.graave(at)tu-braunschweig.de).

Die Zulassung erfolgt vorranging nach einschlägigen praktischen Vorkenntnissen im Bereich der neuronalen Netze, z.B. aus den Lehrveranstaltungen Mustererkennung, Computer Lab Mustererkennung oder anderen einschlägigen Vorlesungen / praktischen Laboren / Arbeitserfahrungen.

Bei der Anmeldung sind folgende Informationen zwingend anzugeben:

- Vorname, Name

- Matrikelnummer

- Studiengang (Fachrichtung, sowie ob Bachelor oder Master)

- Universitäts-E-Mail-Adresse

- Schriftliche Dokumentation über Vorkenntnisse, am besten mit Nachweis (Schein, Notennachweis, Zertifikate, etc.)

 

Gruppenanmeldungen (3 Personen) sind in einer gebündelten Email unter Angabe der Informationen aller Teilnehmer erlaubt.

Für das Deep Learning Lab sind 30 Plätze zu vergeben.

 

 

Weitere Informationen

Für mehr Informationen zum Deep Learning Lab schauen Sie gerne auch in die Presseartikel aus den letzten Jahren:

 

2023: https://magazin.tu-braunschweig.de/m-post/das-unbekannte-erkennen/
2022: https://magazin.tu-braunschweig.de/m-post/maschinelle-mustererkennung-fuer-masterstudierende/
2021: https://magazin.tu-braunschweig.de/m-post/ki-gegen-pixelfaelscher-verteidigen/
2020: https://magazin.tu-braunschweig.de/m-post/praxislabor-mit-perspektive/
2019: https://magazin.tu-braunschweig.de/m-post/kleidungsstuecke-erkennen-mit-kuenstlicher-intelligenz/
2018: https://magazin.tu-braunschweig.de/m-post/mit-echten-daten-neuronale-netze-trainieren/

 

 

 

Bildnachweise dieser Seite

Für alle

Stellen der TU Braunschweig
Jobbörse des Career Service
Merchandising
Sponsoring- & Spendenleistungen
Drittmittelgeförderte Forschungsprojekte
Vertrauenspersonen für Hinweisgeber

Für Studierende

Semestertermine
Lehrveranstaltungen
Studiengänge von A-Z
Informationen für Erstsemester
TUCard

Interne Tools

Status GITZ-Dienste
Handbuch für TYPO3 (Intern)
Corporate Design-Toolbox (Intern)
Glossar (DE-EN)
Meine Daten ändern
Hochschulöffentliche Bekanntmachungen

Kontakt

Technische Universität Braunschweig
Universitätsplatz 2
38106 Braunschweig
Postfach: 38092 Braunschweig
Telefon: +49 (0) 531 391-0

Anreise

© Technische Universität Braunschweig
Impressum Datenschutz Barrierefreiheit

Zur anonymisierten Reichweitenmessung nutzt die TU Braunschweig die Software Matomo. Die Daten dienen dazu, das Webangebot zu optimieren.
Weitere Informationen finden Sie in unserer Datenschutzerklärung.