Labor für angewandte Machine Learning Algorithmen

VortragsspracheDeutsch

Labor für angewandte Machine Learning Algorithmen (LAMA)

Voraussetzungen

Grundlegende Programmierkenntnisse sind erforderlich. Solide Kenntnisse in den Grundlagen der Informationstechnik sowie Signal- und Systemtheorie werden ebenfalls vorausgesetzt. Das Labor vermittelt das nötige Know-how, um die Möglichkeiten und Herausforderungen von KI im zukünftigen Berufsfeld zu verstehen und zu nutzen.

Hinweis: Die Anmeldung erfolgt über das Wiwi Portal. Leider können keine Masterstudierenden zugelassen werden.

Inhalt: Hands-on mit realen KI-Herausforderungen

Die Relevanz von Maschinellem Lernen und Künstlicher Intelligenz (KI) in der modernen Gesellschaft ist unbestreitbar. Dieses Praktikum bietet Studierenden eine fundierte, praxisorientierte Einführung in die Methoden und Werkzeuge des Maschinellen Lernens.

Wir decken ein breites Spektrum ab – von der Analyse Bildverarbeitung über Sprachverarbeitung bis hin zu Reinforcement Learning.

Die Veranstaltung bietet:

  • Implementierung grundlegender Algorithmen (z.B. Perzeptron, Decision Trees)

  • Anwendung industrierelevanter Tools (z.B. PyTorch)

  • Einblicke in die Architektur und Funktionsweise von CNN, RNNs und Einführung in Transformermodelle

  • Nutzung leistungsfähiger Workstations für praktische Übungen

Ablauf und Projektarbeit

Die Veranstaltung ist in zwei Teile gegliedert. In den ersten Laborterminen bearbeiten Sie vorgegebene Aufgabenstellungen in Zweierteams. Diese umfassen Programmieraufgaben sowie theoretische Fragestellungen, die in interaktiven Jupyter Notebooks gelöst werden. Die erfolgreiche Bearbeitung und Abgabe dieser Aufgabenblätter ist Voraussetzung für die Teilnahme am mündlichen Kolloquium am Ende des Semesters.

Der zweite Teil ist der "Into the Wild"-Abschnitt. Hier habt ihr die kreative Freiheit, eigene Projektideen zu verfolgen oder euch an aktuellen Forschungsfragen zu beteiligen, beispielsweise hatten wir schon Projekte die sich mit GeoGuesser bis hin zu medizinischer Bildgebgung beschäftigt haben.

Die Bewertung setzt sich aus den bearbeiteten Aufgabenblättern, dem "Into the Wild"-Teil und einem Kolloquium zusammen. Für alle Termine sowie die Vorbesprechung gilt Anwesenheitspflicht.

Ablauf der Labortermine 1-8
  • Vorbesprechung und Gruppeneinteilung

  • Verarbeitung und Analyse von Datensätzen

  • Grundlagen Überwachtes Lernen

  • Unüberwachtes Lernen

  • Neuronale Netze

  • Grundlagen Reinforcement Learning und Evolutionäre Algorithmen

  • Convolutional Neural Networks

  • Transformers and Generative AI

Organisatorisches und Inhalte

 

Intro

Vorbesprechung und Gruppeneinteilung

Mittwoch

2025-10-29

ITIV-Raum 216, 14-16 Uhr

Task 1

Verarbeitung und Analyse von Datensätzen

Mittwoch

2025-11-05

ITIV-Raum 216, 14-18 Uhr

Task 2

Grundlagen Überwachtes Lernen

Mittwoch

2025-11-12

ITIV-Raum 216, 14-18 Uhr

Task 3

Unüberwachtes Lernen

Mittwoch

2025-11-19

ITIV-Raum 216, 14-18 Uhr

Task 4

Neuronale Netze

Mittwoch

2025-11-26

ITIV-Raum 216, 14-18 Uhr

Task 5

Reinforcement Evolutionäre Algorithmen

Mittwoch

2025-12-03

ITIV-Raum 216, 14-18 Uhr

Task 6

Convolutional Neural Networks

Mittwoch

2025-12-10

ITIV-Raum 216, 14-18 Uhr

Task 7

Transformers and Generative AI

Mittwoch

2025-12-17

ITIV-Raum 216, 14-18 Uhr

ItW 1

Into the Wild…

Mittwoch

2026-01-14

ITIV-Raum 216, 14-15:30 Uhr

ItW 2

Into the Wild…

Mittwoch

2026-01-21

ITIV-Raum 216, 14-15:30 Uhr

ItW 3

Into the Wild…

Mittwoch

2026-01-28

ITIV-Raum 216, 14-15:30 Uhr

ItW 4

Into the Wild…

Mittwoch

2026-02-04

ITIV-Raum 216, 14-15:30 Uhr

ItW 5

Into the Wild…

Mittwoch

2026-02-11

ITIV-Raum 216, 14-15:30 Uhr

Vortrag

Vortrag

Mittwoch/Donnerstag

2025-02-18/19

ITIV-Raum 216, 14-16:30 Uhr

Kolloquium

Kolloquium

 

2026-02-23

bis 2025-02-26

ITIV-Raum 326

 

Tutoren gesucht!

  • Vorbesprechung und Gruppeneinteilung
  • Verarbeitung und Analyse von Datensätzen
  • Bewertung von ML-Systemen
  • Grundlagen Überwachtes Lernen
  • Unüberwachtes Lernen
  • Neuronale Netze
  • Evolutionäre Algorithmen  
  • Convolutional Neural Networks
  • Recurrent Neural Networks und Transformermodelle
  • Into the Wild…

Ablauf der Labortermine 1-8

  • Während der einzelnen Labortermine werden vorgegebene Aufgabenstellungen bearbeitet. Diese beinhalten zum einen Programmieraufgaben sowie solche, die in Textform beantwortet werden sollen.
  • Die Aufgabenblätter werden in Form von Jupyter Notebooks ausgegeben. Mit dieser interaktiven Entwicklungsumgebung können Sie Programmcodes direkt im Aufgabenblatt testen, Lösungen darstellen und die Dokumentation beziehungsweise Antworten ergänzen.
  • Nach jedem Labortermin wird das bearbeitete Aufgabenblatt (das entsprechende Jupyter Notebook) abgegeben.
  • Die Abgabe jeweils einer Ausfertigung des Notebooks pro Gruppe ist ausreichend.
  • Die erfolgreiche Bearbeitung und Abgabe der Aufgabenblätter ist Voraussetzung für die Teilnahme am mündlichen Kolloquium am Ende des Semesters. Bei Nichtabgabe werden die entsprechenden Teilnehmer nicht zum Kolloquium zugelassen!

Into the Wild…

  • Zu Beginn des zweiten Teils werden verschiedene Datensätze vorgestellt, die für die Bearbeitung zur Auswahl stehen.
  • Jede Gruppe entscheidet sich für einen der vorgestellten Datensätze, selbstverständlich können auch mehrere Gruppen den gleichen Datensatz nutzen. Die Problemstellung wird von der Gruppe selbst definiert. Auch eigene Problemstellungen zu eigenen Datensätzen sind möglich.
  • Auf Basis des zuvor Gelernten wird ein Konzept zur Lösung der Problemstellung entwickelt. Dieses wird implementiert und getestet.
  • Neben der Arbeit auf den Daten ist es auch möglich einen bestehenden Ansatz für einen Datensatz hinsichtlich der Laufzeit oder Latenz zu optimieren. Hierzu kann unter anderem versucht werden dies mittels passender Hardware zu erreichen.
  • Zum Abschluss wird von jeder Gruppe eine Präsentation vorbereitet, die das entwickelte Konzept vorstellt und die Ergebnisse darstellt. Hierbei sollen durch eine kritische Reflektion der zuvor getroffenen Entscheidungen auch mögliche nächste Schritte aufgezeigt werden.

Anmeldeverfahren

Dieses Jahr werden voraussichtlich 30 Plätze für das Labor angeboten.
Die Anmeldung zum Labor erfolgt über das WiWi-Portal unter folgendem Link: https://portal.wiwi.kit.edu/ys/8270

Materialien

Die notwendigen Materialien für das LAMA werden über ILIAS zur Verfügung gestellt. Nach der erfolgreichen Anmeldung beim LAMA erhalten Sie Zugriff auf die Aufgaben, Datensätze und zusätzliches Infomaterial.
Das Material wird in englischer Sprache bereitgestellt, kann aber auf Deutsch bearbeitet werden.

Tutoren gesucht

Ehemalige Teilnehmer oder Masterstudierende, die sich mit den Thematiken beschäftigen, können als Tutor an der Lehrveranstaltung mitwirken. Bei Interesse senden Sie bitte eine E-Mail mit dem entsprechenden Betreff an: lama∂itiv.kit.edu.
 

FAQ:

Wie laufen die Labortermine ab?

Während der einzelnen Labortermine werden vorgegebene Aufgabenstellungen bearbeitet. Diese beinhalten zum einen Programmieraufgaben sowie solche, die in Textform beantwortet werden sollen.

  • Die Aufgabenblätter werden in Form von Jupyter Notebooks ausgegeben. Mit dieser interaktiven Entwicklungsumgebung können Sie Programmcodes direkt im Aufgabenblatt testen, Lösungen darstellen und die Dokumentation beziehungsweise Antworten ergänzen.

  • Nach jedem Labortermin wird das bearbeitete Aufgabenblatt (das entsprechende Jupyter Notebook) abgegeben.

  • Die Abgabe jeweils einer Ausfertigung des Notebooks pro Gruppe ist ausreichend.

  • Die erfolgreiche Bearbeitung und Abgabe der Aufgabenblätter ist Voraussetzung für die Teilnahme am mündlichen Kolloquium am Ende des Semesters. Bei Nichtabgabe werden die entsprechenden Teilnehmer nicht zum Kolloquium zugelassen!

Was sind die Details zu ItW?

  • Zu Beginn des zweiten Teils werden verschiedene Datensätze vorgestellt, die für die Bearbeitung zur Auswahl stehen.

  • Jede Gruppe entscheidet sich für einen der vorgestellten Datensätze, selbstverständlich können auch mehrere Gruppen den gleichen Datensatz nutzen. Die Problemstellung wird von der Gruppe selbst definiert. Auch eigene Problemstellungen zu eigenen Datensätzen sind möglich.

  • Auf Basis des zuvor Gelernten wird ein Konzept zur Lösung der Problemstellung entwickelt. Dieses wird implementiert und getestet.

  • Neben der Arbeit auf den Daten ist es auch möglich einen bestehenden Ansatz für einen Datensatz hinsichtlich der Laufzeit oder Latenz zu optimieren. Hierzu kann unter anderem versucht werden dies mittels passender Hardware zu erreichen.

  • Zum Abschluss wird von jeder Gruppe eine Präsentation vorbereitet, die das entwickelte Konzept vorstellt und die Ergebnisse darstellt. Hierbei sollen durch eine kritische Reflektion der zuvor getroffenen Entscheidungen auch mögliche nächste Schritte aufgezeigt werden.

Ich mache noch ein Erasmus, kann die letzten Termin nicht dabei sein, was jetzt?

  • Grundlegend gilt: Schreibt uns eine Mail und Informiert uns.

  • Soweit es genug Plätze gibt, könnt ihr teilnehmen.

  • Bei zu wenig Plätzen wird priorisiert.

  • Wenn ihr uns nicht bei Anmeldung Bescheid gebt, kann die Prüfungsleistung eventuell nicht abgeschlossen werden.