Deep Learning - mit Python und PyTorch

Beschreibung Dieses Seminar führt Sie in moderne Deep-Learning-Techniken ein. Sie arbeiten mit neuronalen Netzen wie CNNs, RNNs und MLPs und setzen diese mit PyTorch um. Neben dem Aufbau und Training lernen Sie, Modelle zu optimieren und in Projekten praktisch anzuwenden. Der Kurs verbindet Theorie und Praxis auf verständliche Weise. Hinweis: Inhalt Einführung in Deep Learning - Unterschiede zu klassischem ML - Mathematische Grundlagen neuronaler Netze Architekturen neuronaler Netze - MLPs (Multilayer Perceptrons) - CNNs (Convolutional Neural Networks) - RNNs (Recurrent Neural Networks) Arbeiten mit PyTorch - Modellaufbau und Training - Vergleich mit anderen Frameworks (TensorFlow und Keras) Hyperparameter-Tuning - Lernrate, Batchgröße, Optimizer - Early Stopping und Regularisierung Deep-Learning-Projekte praktisch anwenden - Bildklassifikation - Textanalyse oder Zeitreihenprognosen Modell-Bereitstellung und Skalierung Voraussetzungen Sicherer Umgang mit Python und gute Kenntnisse im Machine Learning. Erste Erfahrungen mit NumPy oder Pandas sind hilfreich. Zielgruppe Der Kurs ist ideal für ML-Erfahrene, die sich mit Deep Learning, neuronalen Netzen und modernen Tools wie PyTorch weiterentwickeln wollen.