Modulbeschreibung
Generative Adversarial Networks
Kurzzeichen:
M_TuIT_EVA_1044
ECTS-Credits:
3
Leitidee:
Die Studierenden
- wissen, was Generative Adversarial Networks sind.
- kennen Einsatzgebiete in der Bildverarbeitung (z.B. Stylegans).
- können die Funktionsweise an bestehenden Beispielen verstehen.
Modulverantwortung:
Bach Carlo
Standort (angeboten):
Buchs
Modultyp:
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_08 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_13 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_16 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_08 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_13 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_16 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für Technik und IT MSE_20(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Modulbewertung:
Note von 1 - 6
Leistungsnachweise und deren Gewichtung
Während der Unterrichtsphase:
Bericht und Präsentation vor einem Fachgremium.
Bewertungsart:
Note von 1 - 6
Gewichtung:
Bericht (Gewicht 50%) und Präsentation (Gewicht 50%) vor einem Fachgremium.
Bemerkungen:
Inhalte
Angestrebte Lernergebnisse (Abschlusskompetenzen):
Die Studierenden
- wissen, was Generative Adversarial Networks sind.
- kennen Einsatzgebiete in der Bildverarbeitung (z.B. Stylegans).
- können die Funktionsweise an bestehenden Beispielen verstehen.
Modul- und Lerninhalt:
- Generative Adversarial Networks