EventoWeb
Zürcher Hochschule für Angewandte Wissenschaften
Menu Home User Menu
Nicht angemeldet Anmelden
[ Deutsch (Schweiz) ]   [ Englisch Englisch ]
[ de ]   [ en en ]
Nicht angemeldet Anmelden
n.BA.AD.NeuNe.23HS (Neural Networks) 
Modul: Neural Networks
Diese Information wurde generiert am: 23.11.2024
Nr.
n.BA.AD.NeuNe.23HS
Bezeichnung
Neural Networks
Credits
4

Beschreibung

Version: 1.0 gültig ab 01.08.2023

 

Studiengang  Applied Digital Life Sciences
Geltende Rechtsordnung  RPO vom 29. Januar 2008, Studienordnung des Dept. N vom 15. Dez. 2009, Anhang für den Bachelorstudiengang Applied Digital Life Sciences
Modultyp   
X Pflichtmodul   Wahlpflichtmodul   Wahlmodul
Plansemester  4. Semester
Modulverantwortliche/r  Martin Schüle
Telefon / E-Mail  +41 (0)58 934 57 84 / martin.schuele@zhaw.ch
Beteiligte Mitarbeitende und Lehrbeauftragte  Martin Schüle
Vorausgesetzte Module  Maschinelles Lernen
Zu erreichende Kompetenzen  Fachliche Kompetenzen:
Die Studierenden erwerben Kenntnisse über aktuelle Techniken der neuronalen Netzwerke (NN) und des Deep Learning (DL) und wenden diese auf Problemstellungen im Bereich der Lebenswissenschaften an.
Nach Abschluss des Moduls werden die Studierenden in der Lage sein:
  • die Vor- und Nachteile verschiedener NN- und DL-Architekturen und entsprechender Anwendungen zu beurteilen
  • geeignete NN- und DL-Techniken auf lebenswissenschaftliche Problemstellungen anzupassen und anzuwenden
  • sich eigenständig über neue Methoden in diesem Bereich zu informieren.
 
Überfachliche Kompetenzen:
Die Studierenden sind in der Lage, den Einsatz von DL und KI im lebenswissenschaftlichen Kontext und im Hinblick auf technische, wirtschaftliche und soziale Herausforderungen zu reflektieren.
Inhalt des Moduls Das Modul umfasst die folgenden Themen:
  • Biologische Grundlagen von neuronalen Netzen (NN)
  • Mathematische Grundkonzepte von NN
  • Grundlagen der NN: Perceptron, Mehrschichtiges Perceptron
  • Grundlagen der DL: Training von DL-Modellen, Optimierer, Regularisierung
  • Einführung in Python und Tensorflow für DL-Anwendungen
  • Einfache DL-Modelle: CNN, RNN, LSTM
  • Fallstudien in den Biowissenschaften
Anschlussmodule -
Unterrichtsmethoden  Vorlesungen, angeleitete Übungen, Gruppenarbeiten
Digitale Lernressourcen 
  • Lernvideos
  • Übungen und Anwendungsaufgaben (inkl. Lösungen)
  • Fallstudien
Unterrichtsgliederung / Gesamtaufwand   
 Kontaktstudium 28
 Begleitetes Selbststudium 28
 Autonomes Selbststudium 64
 Total Workload 120
Präsenzverpflichtung im Unterricht  Die Anwesenheit wird dringend empfohlen, aber nicht durch eine Anwesenheitsliste erzwungen.
Leistungsnachweise 
  • Erfahrungsnote 30%: Projektarbeit während dem Semester
  • Abgesetzte schriftliche Modulendprüfung 70%
 
Bei einer geringen Teilnehmerzahl kann die Prüfungsform der Repetitionsprüfung nach Absprache mit der Studiengangleitung durch Dozierende abgeändert werden: z.B. anstatt einer schriftlichen kann eine mündliche Prüfung abgehalten werden. Bitte entsprechende Meldung der geänderten Prüfungsform per E-Mail (ohne Formular) an pruefungsadmin.lsfm@zhaw.ch und Cc. Studiengangleitung.
Unterrichtssprache  Englisch
Bemerkungen  -

 

Kurs: Neural Networks
Nr.
n.BA.AD.NeuNe.23HS.V
Bezeichnung
Neural Networks

Hinweis

  • Für das Stichdatum 23.11.2024 ist kein Modulbeschreibungstext im System verfügbar.