Kurs Online: Neuronale Netzwerke
Dieser praxisorientierte Kurs bietet eine Einführung in die faszinierende Welt der neuronalen Netzwerke. Anhand realitätsnaher Beispiele und einer durchgehenden praktischen Anwendung erlernen Sie die fundamentalen Konzepte, Architekturen und vielfältigen Anwendungsbereiche dieser Schlüsseltechnologie des maschinellen Lernens.
Im Rahmen eines umfassenden Praxisbeispiels werden folgende Kernbereiche behandelt:
- Grundlagen: Künstliche Neuronen, Aktivierungsfunktionen, Verlustfunktionen.- Optimierung: Gradientenabstiegsverfahren (Gradient Descent, Backpropagation) für das effektive Training neuronaler Netze.- Architekturen: Die fundamentalen Strukturen vollständig verbundener Netzwerke und Convolutional Neural Networks (CNNs).- Herausforderungen & Lösungen: Überanpassung (Overfitting) und bewährte Regularisierungsmethoden.- Effizienzsteigerung: Transfer Learning zur Nutzung vortrainierter Modelle.- Implementierung: Direkte Umsetzung mit dem modernen Framework TensorFlow/Keras in der cloudbasierten Umgebung von Google Colaboratory.
Nach Abschluss des Kurses sind Sie in der Lage, selbstständig Deep-Learning-Modelle mit TensorFlow/Keras zu entwickeln und zu trainieren. Sie können deren Vorhersagekraft kritisch bewerten und praktische Herausforderungen wie Overfitting und Datenknappheit fundiert angehen.
Ein eigenes Laptop mit Internetverbindung ist notwendig und ausreichend.
Infos:
Voraussetzungen:
Grundlegende Programmierkenntnisse sind erforderlich. Basiswissen in Lineare Algebra (Matrix-Multiplikation) und Analysis (partielle Ableitungen) ist von Vorteil.
Geschlossene Veranstaltung
Nur für die angemeldeten Teilnehmerinnen