|
Advanced Machine Learning for Anomaly Detection (AdvMLAD)2.5 ECTS (englische Bezeichnung: Advanced Machine Learning for Anomaly Detection)
Modulverantwortliche/r: Bernhard Kainz Lehrende:
Bernhard Kainz, Mischa Dombrowski, Johanna Müller
Startsemester: |
SS 2022 | Dauer: |
1 Semester | Turnus: |
halbjährlich (WS+SS) |
Präsenzzeit: |
15 Std. | Eigenstudium: |
60 Std. | Sprache: |
Englisch |
Lehrveranstaltungen:
Inhalt:
Anomaly and out-of-distribution detection is becoming an important new paradigm in machine learning. We will discuss recent approaches in the area and ritically analyse research papers.
Syllabus
This is a journal club style seminar about recent research results. Students will present different state-of-the-art anomaly detection approaches in various domainsand are expected to join the weekly discussion round.
Lernziele und Kompetenzen:
Students will be able to
perform their own literature research on a given subject
independently research this subject
present and introduce the subject to their student peers
give a scientific talk in English according to international conference standards
Studien-/Prüfungsleistungen:
Advanced Machine Learning for Anomaly Detection (Prüfungsnummer: 208107)
(englischer Titel: Advanced Machine Learning for Anomaly Detection)
- Seminarleistung, benotet
- weitere Erläuterungen:
Die Gesamtnote setzt sich zu 100% aus der Bewertung des Vortrags zusammen. Benotet wird ein Vortrag von 30 Minuten über ein vorgegebenes Thema. Ziel ist es diese Zeit möglichst genau einzuhalten und den anderen Studenten möglichst präzise einen Überblick über das Themengebiet zu geben. Hierbei wird neben der Vortragsweise und des Inhalts insbesondere auch die Qualität der Folien bewertet. Der Vortrag sollte auf Englisch erfolgen.
- Prüfungssprache: Englisch
- Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023
1. Prüfer: | Bernhard Kainz |
|
|
|
|
UnivIS ist ein Produkt der Config eG, Buckenhof |
|
|