Praktikum Graphlearning

 

Sommersemester 2019

 
 

Inhalt

In diesem Praktikum werden wir Lernalgorithmen für Graphen, insbesonder Graphkernel und Graph Neural Networks implementieren und auf unterschiedliche Datensets anwenden.

Voraussetzungen

Dieses Proseminar ist ausschließlich an Studierende im Studiengang Master Informatik und Master Data Science gerichtet.

Es werden keine speziellen Vorkenntnisse benötigt. Vorkenntnisse aus den Vorlesungen Algorithmic Foundations of Data Science sind hilfreich, ebenso wie Kenntnisse im Bereich Python3 und Tensorflow.

 

Organisatorisches

Die Aufgaben sollen in 2er oder 3er Gruppen bearbeitet werden. Für die Implementierung wird Tensorflow mit Python 3 verwendet.

Termine

Die Termine werden noch bekannt gegeben. Es wird ein wöchentliches Treffen geben in dem Ergebnisse vorgestellt und ggf Grundlagen beispielsweise aus der Vorlesung Algorithmic Learning Theory wiederholt werden.

Dozenten

Martin Grohe
Assistenten:
Hinrikus Wolf und Martin Ritzert

 

Anforderungen

Alle Teilnehmerinnen und Teilnehmer des Seminars erhalten je ein ausgewähltes Kapitel aus einem der Bücher "Information and Coding Theory" von Jones & Jones und "A Concise Introduction to Data Compression" von Salomon. Die Themen werden im ersten Seminartermin zugeteilt.

Zum erfolgreichen Bestehen des Seminars gehört das Erstellen einer 5-seitigen Ausarbeitung sowie dem Halten eines 30 minütigen Vortrags.

 

Externe Links