Differentiable Programming

Typ	Seminar
Dozent	Torsten Bosse, Alexander Breuer, H. Martin Bücker
Credit points	3 ECTS = 2 SWS
Friedolin	Search in Friedolin

Beschreibung

Unter dem Begriff «Differentiable Programming» versteht man im maschinellen Lernen das Erstellen und Ausführen von Programmen, mit denen neben einer Zielfunktion einer mathematischen Optimierungsaufgabe auch deren Gradient berechnet wird. In letzter Zeit wird dieser Begriff gerade im Bereich des Deep Learning als eine besonders Erfolg versprechende Zukunftstechnologie hervorgehoben. Dabei wird allerdings meist nicht hinreichend genug beachtet, dass solche Techniken in anderen Wissenschaftstbereichen bereits seit mehreren Jahrzehnten erfolgreich eingesetzt werden. Tatsächlich sind diese Techniken, die unter dem Begriff «Automatic Differentiation» zusammengefasst werden, nicht nur allgemeiner konzipiert, sondern werden auch in weitaus komplexeren Problemstellungen als im Deep Learning angewendet. In diesem Seminar werden ausgewählte Teilgebiete dieser Techniken vertiefend behandelt. Es werden sowohl theoretische als auch praktische Themen angeboten, die diskrete (kombinatorische) und kontinuierliche (analytische) Problemstellungen betreffen. Bei der Auswahl der Themen werden individuelle Interessen von Studierenden (soweit möglich) berücksichtigt. Kenntnisse der Vorlesung «Automatisches Differenzieren» aus dem vorherigen Semester sind hilfreich, aber nicht notwendig.

Organisation

Das Seminar findet als wöchentliche Veranstaltung statt. (Derzeit ist ein wiederkehrender Termin montags um 11:00 Uhr geplant.)

Vorbesprechung: In der letzten Woche des Wintersemesters 2021/22 am 11.2.2022 um 10:30 Uhr (s.t.).

Kick-off: In der ersten Woche des Sommersemesters 2022 am 11.4.2022 um 11:00 Uhr (s.t.) in Raum 3220, EAP2.

Es sind noch Plätze frei. Wer noch teilnehmen möchte, wendet sich bitte an einen der Dozenten.

Studiengänge

Es handelt sich um ein Seminar für interessierte Studierende im Masterbereich der folgenden Studiengänge:

M.Sc. Computational and Data Science	Wahlpflichtbereich Informatik, Seminar Computational andData Science (FMI-IN0142)
M.Sc. Informatik (V2021)	Bereich Informatik, Mastermodul Seminar I (FMI-IN3801), Mastermodul Seminar II (FMI-IN3802).
M.Sc. Informatik (V2016)	Vertiefung Technische Informatik, Seminar Technische Informatik (FMI-IN0093).

Die Veranstaltung ist auch geeignet für Studierende aus Mathematik und anderen naturwissenschaftlichen Fachrichtungen.