|
Machine Learning for Physicists (PW-ML)5 ECTS (englische Bezeichnung: Machine Learning for Physicists)
Modulverantwortliche/r: Florian Marquardt Lehrende:
Florian Marquardt
Studienfächer/Prüfungsordnungsmodule:
Physikalische Wahlfächer (16552)
Physikalische Wahlfächer (32647)
Physikalische Wahlfächer (34267)
Weitere Module aus dem Wahlpflichtbereich 1 (38034)
Materialphysikalisches Wahlfach (43483)
Materials physics elective course (80899)
Physics elective courses (80959)
Startsemester: |
SS 2019 | Dauer: |
1 Semester | Turnus: |
unregelmäßig |
Präsenzzeit: |
24 Std. | Eigenstudium: |
126 Std. | Sprache: |
Englisch |
Lehrveranstaltungen:
-
-
Machine Learning for Physicists
(Vorlesung, 2 SWS, Florian Marquardt, Einzeltermine am 24.4.2019, 6.5.2019, 13.5.2019, 15.5.2019, 27.5.2019, 3.6.2019, 5.6.2019, 17.6.2019, 19.6.2019, 1.7.2019, 3.7.2019, 18:00 - 20:00, HG; 12.7.2019, 17:00 - 19:00, HG; Klausureinsicht am 26.09.2019, 15-17 Uhr, sowie am 30.09.2019, 10-12 Uhr, am Max-Planck-Institut, Staudtstr. 2)
-
Machine Learning for Physicists (UE)
(Übung, 1 SWS, Florian Marquardt et al., Einzeltermine am 29.4.2019, 22.5.2019, 12.6.2019, 26.6.2019, 18:00 - 20:00, HG; 10.7.2019, 18:00 - 20:00, HA; 17.7.2019, 24.7.2019, 18:00 - 20:00, HG)
Inhalt:
This is a course introducing modern techniques of machine learning, especially deep neural networks, to an audience of physicists. Neural networks can be trained to perform diverse challenging tasks, including image recognition and natural language processing, just by training them on many examples. Neural networks have recently achieved spectacular successes, with their performance often surpassing humans. They are now also being considered more and more for applications in physics, ranging from predictions of material properties to analyzing phase transitions. We will cover the basics of neural networks, convolutional networks, autoencoders, restricted Boltzmann machines, and recurrent neural networks, as well as the recently emerging applications in physics. Prerequisites: almost none, except for matrix multiplication and the chain rule.
Lernziele und Kompetenzen:
Learning goals and competences:
Students
Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan: Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
- Physik mit integriertem Doktorandenkolleg (Master of Science)
(Po-Vers. 2018w | NatFak | Elitestudiengang Physik mit integriertem Doktorandenkolleg (Master of Science) | Masterprüfung | Physics elective courses)
Studien-/Prüfungsleistungen:
Machine Learning for Physicists (Prüfungsnummer: 668977)
(englischer Titel: Machine Learning for Physicists)
zugeh. "mein campus"-Prüfung: | - 63501 Physikalisches Wahlfach (Prüfung, Form: variabel, Drittelnoten (mit 4,3), Dauer: -, 5.0 ECTS, Platzhalter).
- 63501 Physikalisches Wahlfach (Prüfung, Form: variabel, Drittelnoten (mit 4,3), Dauer: -, 5.0 ECTS, Platzhalter).
- 68601 Physikalisches Wahlfach (Prüfung, Form: variabel, Drittelnoten (mit 4,3), Dauer: -, 5.0 ECTS, Platzhalter).
- 68711 Physikalisches Wahlfach (Materialphysik (Bachelor of Science) 2010, Prüfung, Form: variabel, Drittelnoten (mit 4,3), Dauer: -, 5.0 ECTS, Platzhalter).
- 64311 Physikalisches Wahlfach (Prüfung, Form: variabel, Drittelnoten (mit 4,3), Dauer: -, 5 ECTS, Platzhalter).
- 71301 Materialphysikalisches Wahlfach ( 2010, Prüfung, Form: variabel, Drittelnoten (mit 4,3), Dauer: -, 5.0 ECTS, Platzhalter).
- 68611 Physics elective course (Prüfung, Form: variabel, Drittelnoten (mit 4,3), Dauer: -, 5.0 ECTS, Platzhalter).
- 71311 Materials physics elective course (Materials Physics (Master of Science) 2015s, Prüfung, Form: variabel, Drittelnoten (mit 4,3), Dauer: -, 5.0 ECTS, Platzhalter).
|
- Prüfungsleistung, Klausur, Dauer (in Minuten): 120, benotet, 5.0 ECTS
- Anteil an der Berechnung der Modulnote: 100.0 %
- Prüfungssprache: Englisch
- Erstablegung: SS 2019, 1. Wdh.: SS 2019 (nur für Wiederholer)
1. Prüfer: | Florian Marquardt (060340) |
|
![](/img/anew/void.gif) |
![](/img/anew/void.gif) |
|
UnivIS ist ein Produkt der Config eG, Buckenhof |
|
|