Funktionen

Print[PRINT]
.  Home  .  Lehre  .  Seminare  .  Wintersemester 2020/21  .  Hauptseminar ML & AI

Hauptseminar:
Emerging Topics in Machine Learning and AI

Hauptseminar für Master-Studiengänge
im Wintersemester 2020 (LMU, TUM IN2107)

Prof. Dr. D. Kranzlmüller
Dr. Andre Luckow
Maximilian Höb

Willkommen auf der Webseite zum Master-Seminar "Emerging Topics in Machine Learning and AI" im Wintersemester 2020/21.

Aktuelles

  • 12.12.2020:Review Assignments and Papers online
  • 06.11.2020:Topic Assignments
  • 01.11.2020:Online Zoom Meeting Link
  • 22.09.2020:Die Einführungsveranstaltung, sowie die Vorlesung zum wissenschaftlichen Arbeiten und Latex werden online via Zoom stattfinden.
  • 09.08.2020: Willkommen zur Webseite des Seminars "Emerging Topics in Machine Learning and AI" im Wintersemester 2020/21!
    • Bitte beachten Sie, dass die Seminarplätze ausschließlich zentral per UniWorX vergeben werden!
    • TUM-Studenten nutzen bitte die entsprechenden TUM-Verfahren.

Inhalt des Seminars

Überblick

Machine Learning (ML) and Artificial Intelligence (AI) are transformational technologies that will have a significant impact on science and business. The aim of this seminar is to give the student an overview of the topics of data & compute infrastructures, machine learning and AI. The aim is to develop a technical understanding of large-scale systems and infrastructures for data infrastructures and advanced analytics. The students deepen their computer science knowledge in a practice-oriented way and with methods, techniques, procedures, tools and infrastructures for the processing and analysis of large data:

  • Machine Learning (Methods & Tools: Tensorflow and Pytorch)
  • Deep Learning: Convolutional Neural Networks (ResNet, Yolo, SSD)
  • Natural Language Processing: Word Embeddings, Language Models (RNNs, LSTMs, Transformers), Knowledge Graphs
  • Scalable Machine Learning
  • Quantum Machine Learning
  • Emerging Machine Learning Applications in Computer Systems, Cybersecurity and Fault Tolerance
  • Responsible AI

Organisation

Ablauf

Dem Seminar liegt die Metapher einer Konferenz zu Grunde. Sie erstellen zu dem Ihnen zugeteilten Thema ein Konferenzpapier, reichen dieses bei der Seminarleitung (das fiktive Program Committee) ein, erhalten von Ihren Betreuern eine Beurteilung Ihrer Einreichung und präsentieren Ihr (ggfs. korrigiertes) Papier auf der fiktiven Konferenz am Semesterende. Jeder Seminarteilnehmer erhält einen Betreuer.

Nach der Abgabe der ersten Version der Ausarbeitung wird jedem Teilnehmer ein (bzw. 2 je Masterstudent) Paper zum Review zugeordnet (Vorlage siehe Downloads). Dementsprechend bekommt jedes Paper 2 Reviews, was die Qualität der Ausarbeitungen erhöhen und die Teilnehmer mit dem Ablauf eines wissenschaftlichen Publikationsprozesses vertraut machen soll. Nach dem Review haben die Autoren nochmals 2 Wochen Zeit, um die Kommentare umzusetzen. Sowohl die Qualität der Reviews als auch die Umsetzung der enthaltenen Kommentare fließen in die Notengebung mit ein.

Die Konferenz selbst, in der alle Seminarvorträge gehalten werden, ist als Blockveranstaltung konzipiert. Der genaue Termin und die Agenda wird auf dieser Webseite frühhzeitig bekannt gegeben.

Die Einführungsveranstaltung für alle Seminarteilnehmer wird in der ersten oder zweiten Vorlesungswoche stattfinden. Erst in dieser Veranstaltung werden die Themen vergeben. Soweit möglich werden wir Ihren Themenpräferenzen entgegenkommen. Die Teilnahme an der Einführungsveranstaltung ist für alle Teilnehmer Pflicht.

Wichtiger Hinweis: Wer nicht an der Einführungsveranstaltung teilnimmt, verliert wegen der großen Nachfrage seinen Seminarplatz!

Im Lauf des Semesters werden Pflichtveranstaltung zu wissenschaftlichen Arbeiten und Präsentationstechniken stattfinden. Außerdem wird eine freiwillige Einführung zum Umgang mit der Textsetzungssoftware LaTeX, die Sie bevorzugt für Ihre Ausarbeitungen verwenden sollen, angeboten. Bitte beachten Sie dazu auch die Rubriken Aktuelles und Termine Wir werden außerdem versuchen, der Bedeutung des Themas durch mindestens einen externen Expertenvortrag Rechnung zu tragen. Ort und Zeit dieser Veranstaltung werden rechtzeitig bekannt gegeben. Die Teilnahme an diesen Veranstaltungen ist Pflicht.

Bemerkungen zum Ablauf des Seminars sind aus den Hinweisen zu Seminaren am Lehrstuhl Kranzlmüller ersichtlich.

Der Übersichtlichkeit halber haben wir die Themen- und Betreuerliste noch einmal hier (Link wird nachgeliefert) zusammengefasst.

Scheinkriterien

Die Endnote des Seminars wird zu jeweils 50% aus Ausarbeitung und Vortrag ermittelt. Für den Erfolg beim Seminar müssen beide Bestandteile mit mindestens der Note 4 bestanden werden.

Ausarbeitung:

Das Papier muss folgende Kriterien erfüllen:

  • Verwendung der Latex Vorlage IEEE (siehe Downloads)
  • Umfang: mindestens 6 und maximal 8 Seiten
Das Nichteinhalten eines der Kriterien führt zum unmittelbaren Abzug einer Notenstufe der Ausarbeitung!

Die Teilnahme am Review-Prozess ist für das erfolgreiche Bestehen des Seminars obligatorisch!

Peer Review:

Die Teilnahme am Review-Prozess ist für das erfolgreiche Bestehen des Seminars obligatorisch!Die Qualität des Reviews geht in die Note für die Ausarbeitung ein.

Vortrag:

Der Vortrag findet im Rahmen der Blockveranstaltung am 29.01. und 30.01.2021 statt. Jede Gruppe bekommt einen 30 Minuten Slot um ihr Thema zu präsentieren und in einer offenen Fragerunde zu diskutieren. Um genug Zeit für die Diskussion zu lassen, planen Sie maximal 20 Minuten für den Vortrag ein.

Die Teilnahme an der kompletten Blockveranstaltung ist für alle Teilnehmer des Seminars obligatorisch!

Themenliste

Die Themen des Seminars finden Sie hier

Regeln zur Online-Lehre

Sehr viele Lehrveranstaltungen finden während der Schlissung der LMU online statt. Als Dozenten bitten wir um Nachsicht, falls Dinge nicht immer perfekt laufen und hoffen auf Ihre konstruktive Mitarbeit. In dieser Situation gelten zudem online einige Regeln, die im realen Leben ohnehin klar wären, auf die wir hier aber explizit hinweisen möchten:

  • In Live-Veranstaltungen bitten wir um einen disziplinierten Umgang mit Audio (normalerweise aus) und Bandbreite (Video nach Bedarf)
  • Die Aufzeichnung oder Weiterleitung von Veranstaltungen durch Teilnehmer sind nicht erlaubt.
  • Die Verteilung von Inhalten (Video, Audio, Bilder, PDFs, etc.) in anderen Kanälen als den vom Autor vorgesehenen ist nicht erlaubt.

Wer eine dieser Regeln verletzt, muss damit rechnen, von der fraglichen Veranstaltung ausgeschlossen zu werden und wir behalten uns weitere Schritte vor. Mit allen anderen freuen wir uns auf das gemeinsame Experiment "Online-Semester".

Termine

Präsenztermine:

Soweit nicht anders vermerkt, besteht an allen Präsenzterminen Anwesenheitspflicht.

  • 02.11.2020, 17 Uhr c.t.: Einführung und Themenvergabe
  • 12.11.2020, 17 Uhr c.t.: Wissenschaftliches Arbeiten und LaTeX Tutorial (freiwillig)
  • 29.01.2021, 14:30-19:00 Uhr c.t.: Blockseminar (Teil 1)
  • 30.01.2021, 09:00-13:00 Uhr c.t.: Blockseminar (Teil 2)

Organisatorische- und Abgabetermine:

  • 13.11.2020, 23:59 s.t.: Abgabe der Gliederung
  • 11.12.2020, 23:59 s.t.: Abgabe der Ausarbeitung
  • 13.12.2020: Bekanntgabe der Zuteilung im Review-Prozess
  • 21.12.2020, 23:59 s.t.: Abgabe der zugeteilten Reviews
  • 22.01.2021, 23:59 s.t.: Abgabe der endgültigen Version der Ausarbeitung
  • 26.01.2021, 23:59 s.t.: Abgabe der endgültigen Fassung der Präsentation(sfolien)
Alle Abgaben reichen Sie bitte via Uni2Work ein. Im Falle eines Systemfehlers senden Sie bitte ihre Dokumente via E-Mail an ihren Betreuer und an das Organisationsteam des Seminars: seminar-betreuer@nm.ifi.lmu.de

Kontakt

Fragen, Kritik und Anregungen sind immer willkommen. Nutzen Sie bitte die seminarspezifische E-Mail-Adresse seminar-betreuer@nm.ifi.lmu.de, um mit uns in Kontakt zu treten.

Tipps zur Bearbeitung

Downloads

  1. Topic Assigments
  2. Submissions
  3. Peer Review Assignments
  4. Slides Scientific Work
  5. Slides Latex
  6. Slides Introduction
  7. LaTeX-Vorlage IEEEtran (Version July 2018)
  8. Review-Vorlage
  9. Peer Review Guidelines
  10. Peer Reviews