Neuronale Netze – Konzeption und Nutzung
| Zielgruppe: | Studierende | |
| Programm: | Tech | |
| Autor/in: | Cedric Mössner | |
| Arbeitsaufwand: | ≈ 5 Stunden | |
| Kursbeginn: | Flexibel | |
| Format: | Selbstlernkurs | Einschreiben |
Was kannst Du in diesem Kurs lernen?
- Du verstehst, welche Arten der KI es gibt und wann welche genutzt werden.
- Du kannst nachvollziehen, wie neuronale Netze arbeiten und was die Vor- und Nachteile von neuronalen Netzen sind.
- Du kannst einordnen, welche Arten von neuronalen Netzen wann sinnvoll sind.
- Du kannst neuronale Netze in einem ersten Entwurf selbst erstellen und überprüfen, wie diese abschneiden.
Gliederung
Big Data
- Big Data und alles was möglich ist
- Klassifikation vs. Regression
- Überwachte und unüberwachte Verfahren
- Semi-supervised Learning
- Fehlerminimierung
- Overfitting
- Abstandsmaße
- Ein Beispieldatum
Der EM-Algorithmus
- Der EM-Algorithmus
- Evolutionäre Algorithmen
- Reinforcement Learning
Neuronale Netze
- Neuronale Netze
- Warum erst seit 2009?
- Modell eines neuronalen Netzes
- Workflow
- Errorfunktion
- Berechnung innerhalb eines Neurons
- Aktivierungsfunktionen
- Batches und Epochen
- Lernraten
Tiefe Neuronale Netze
- Tiefe Neuronale Netze
- ConvolutionalNeuronal Networks
- Rekurrente Neuronale Netze
- Long Short-Term Memory
- Auto-Encoder
- Generative Adversarial Networks
- Tatsächliche Architekturen
- Spiking Neural Networks
Deep Learning Studio Installation
- Deep Learning Installation
- Das Deep Learning Studio - Ein erstes Projekt und der Workflow des DLS
- Datenvorbereitung für das eigene Projekt
- Das neuronale Netz für Pneumonie Diagnose
Teilnahmebestätigung
In diesem Kurs kannst du Badges und ein Weiterbildungszertifikat erhalten.