Deep Learning, Neuronale Netze & Visualisierung mit Python

Folgende Lerninhalte werden in unserem Python Kurs vermittelt:

• Einführung und Übersicht
  • Begriffsklärung: Machine Learning, Neuronale Netze, Deep Learning, AI, Perzeptron…
  • Aufsetzen der Python-Umgebung (Scipy, Keras, TensorFlow…)
  • Machine Learning Grundlagen
• Python und Einführung Machine Learning
  • Crashkurs und Übersicht Numpy und Pandas
  • Maschinelles lernen richtig verstehen ohne ML Bibliotheken
  • Das Perzeptron
  • Mathematische Grundlagen einfach erklärt
  • Skalarprodukte und Heaviside-Funktion (ja wirklich Heaviside)
  • Delta-Regeln
  • Neuronen mit Bias
  • Eingabe- und Ausgabe-Neuronen
  • Lernrate und Training
  • Visualisierung mit Matplotlib und Pandas
• Datenaufbereitung, Testsets und Parameter
  • Richtige Trainingsdaten auswählen
  • Varianzen und potentielle Probleme
  • Ungereimtheiten und Abweichungen finden
  • Einschätzung Machbarkeit, Ressourcen-Aufwand, Genauigkeit & Co
  • Daten vektorisieren und standardisieren
  • CSV- und Text-Dateien
  • Bilder
  • Andere Datenquellen
• Neuronale Netze mit Tensorflow
  • Übersicht und Architektur
  • Tensorflow 2.0
  • Was ist ein neuronales Netzwerk?
  • Überwachtes lernen mit neuronalen Netzwerken
  • Modelle für verschiedene Szenarien
  • Arten von Algorithmen
  • Bild-Klassifizierung
  • Textverständnis
  • Validierung der eigenen Modelle
• Deep Learning und Keras
  • Aktuelle Trends
  • Anwendungsbereiche und aktuelle Beispiele
  • Unüberwachtes lernen
  • Arten von Netzwerken und Modellen
  • Keras
  • Dataset Objects
  • Modelle trainieren
  • GPU Optimierung
  • Modell Konfigurationen
  • KerasTuner
  • Echte Beispiele von Anfang bis Ende
  • Visualisierung des Modells

Zielgruppe:

Einsteiger im Bereich Machine Learning, Data Scientists, Software EntwicklerInnen

Gute Programmierkenntnisse, am besten in Python (Verstehen ist wichtiger als schreiben).