Zurück zur Auswahl
66937-01 - Vorlesung mit Übungen: Foundations of Deep Learning (6 KP)
| Semester | Herbstsemester 2025 |
| Angebotsmuster | unregelmässig |
| Dozierende | Aurelien Lucchi (aurelien.lucchi@unibas.ch, BeurteilerIn) |
| Inhalt | The class focuses on the theoretical concepts behind Deep learning. We will discuss the following concepts: General introduction to linear networks, activations, etc Approximation Theory Complexity Theory Network Architectures Optimization Optimization Landscape of Neural Networks Neural Tangent Kernel Regularization Generalization bounds Adversarial examples |
| Lernziele | The main goal is to understand the theoretical foundations of Deep Learning. This includes the following important concepts: - Universal approximation: can a neural network approximate any arbitrary function? - Optimization: how do we optimize the parameters of a neural network? what theoretical guarantees do we have about finding a good solution? - Generalization: under what conditions does the solution of a neural network generalizes to unseen data? - Adversarial robustness: how robust is a neural network to adversarial attacks? |
| Bemerkungen | Exercise sessions will start the second week of the semester. |
| Teilnahmevoraussetzungen | - Machine Learning (classification, regression, kernels, etc) - Linear algebra - Calculus, Basic concepts in topology - Probability theory (random variable, expectation, density, etc) - Some non-mandatory exercises will require coding in python (reasonable coding skills in another programming language should be sufficient to learn python) Note that a significant part of the class focuses on understanding theoretical aspects, we will thus be covering proofs that require a good knowledge of the mathematical concepts discussed above. |
| Unterrichtssprache | Englisch |
| Einsatz digitaler Medien | kein spezifischer Einsatz |
| Intervall | Wochentag | Zeit | Raum |
|---|---|---|---|
| wöchentlich | Mittwoch | 12.15-14.00 | Spiegelgasse 5, Seminarraum 05.002 |
| wöchentlich | Donnerstag | 16.15-18.00 | Kollegienhaus, Hörsaal 115 |
Einzeltermine
| Datum | Zeit | Raum |
|---|---|---|
| Mittwoch 17.09.2025 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 18.09.2025 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 24.09.2025 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 25.09.2025 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 01.10.2025 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 02.10.2025 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 08.10.2025 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 09.10.2025 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 15.10.2025 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 16.10.2025 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 22.10.2025 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 23.10.2025 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 29.10.2025 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 30.10.2025 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 05.11.2025 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.001 |
| Donnerstag 06.11.2025 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 12.11.2025 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 13.11.2025 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 19.11.2025 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 20.11.2025 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 26.11.2025 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 27.11.2025 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 03.12.2025 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 04.12.2025 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 10.12.2025 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Module |
Doktorat Informatik: Empfehlungen (Promotionsfach: Informatik) Modul: Applications of Distributed Systems (Masterstudium: Computer Science) Modul: Applications of Machine Intelligence (Masterstudium: Computer Science) Modul: Concepts of Machine Intelligence (Masterstudium: Computer Science) Modul: Electives in Data Science (Masterstudium: Data Science) Modul: Machine Learning Foundations (Masterstudium: Data Science) Modul: Methods of Machine Intelligence (Masterstudium: Computer Science) |
| Prüfung | Lehrveranst.-begleitend |
| Hinweise zur Prüfung | Continuous assessment Note the following split: 15% continuous assesment (short exercises and Q&As given in class) 25% mid-term exam (written). Date: during exercise session on Thursday, 30.10.2025 25% project (writeup and presentation) 35% final exam (written) Expected date final exam: Thursday, February 5, 2026, 10-12 a.m., Spiegelgasse 5, room 05.002. |
| An-/Abmeldung zur Prüfung | Anm.: Belegen Lehrveranstaltung; Abm.: stornieren |
| Wiederholungsprüfung | keine Wiederholungsprüfung |
| Skala | 1-6 0,5 |
| Belegen bei Nichtbestehen | beliebig wiederholbar |
| Zuständige Fakultät | Philosophisch-Naturwissenschaftliche Fakultät, studiendekanat-philnat@unibas.ch |
| Anbietende Organisationseinheit | Fachbereich Informatik |