Zurück zur Auswahl
66937-01 - Vorlesung mit Übungen: Foundations of Deep Learning (6 KP)
| Semester | Herbstsemester 2026 |
| 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 | Deutsch |
| 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 16.09.2026 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 17.09.2026 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 23.09.2026 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 24.09.2026 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 30.09.2026 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 01.10.2026 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 07.10.2026 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 08.10.2026 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 14.10.2026 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 15.10.2026 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 21.10.2026 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 22.10.2026 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 28.10.2026 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 29.10.2026 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 04.11.2026 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 05.11.2026 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 11.11.2026 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 12.11.2026 | 16.15-18.00 Uhr | --, -- |
| Mittwoch 18.11.2026 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 19.11.2026 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 25.11.2026 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 26.11.2026 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 02.12.2026 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 03.12.2026 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 09.12.2026 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 10.12.2026 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Mittwoch 16.12.2026 | 12.15-14.00 Uhr | Spiegelgasse 5, Seminarraum 05.002 |
| Donnerstag 17.12.2026 | 16.15-18.00 Uhr | Kollegienhaus, Hörsaal 115 |
| Module |
Doktorat Informatik: Empfehlungen (Promotionsfach: Informatik) Modul: Applications of Distributed Systems (Masterstudium: Computer Science (Studienbeginn vor 01.08.2026)) Modul: Applications of Machine Intelligence (Masterstudium: Computer Science (Studienbeginn vor 01.08.2026)) Modul: Concepts of Machine Intelligence (Masterstudium: Computer Science (Studienbeginn vor 01.08.2026)) Modul: Electives in Data Science (Masterstudium: Data Science) Modul: Machine Intelligence (Masterstudium: Computer Science) Modul: Machine Intelligence (Master Studienfach: Computer Science) Modul: Machine Learning Foundations (Masterstudium: Data Science) Modul: Methods of Machine Intelligence (Masterstudium: Computer Science (Studienbeginn vor 01.08.2026)) |
| 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 4, 2027, 10-12 a.m. |
| 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 |