Schulungsübersicht

    Überblick über neuronale Netze und Deep Learning Das Konzept des maschinellen Lernens (ML) Warum brauchen wir neuronale Netze und Deep Learning? Auswahl von Netzwerken für verschiedene Probleme und Datentypen. Lernen und Validieren neuronaler Netzwerke. Vergleich der logistischen Regression mit neuronalen Netzwerken. Neuronales Netzwerk. Biologische Inspirationen für neuronale Netzwerke. Neuronale Netzwerke – Neuron, Perceptron und MLP (Multilayer-Perceptron-Modell). Lernen von MLP – Backpropagation-Algorithmus. Aktivierungsfunktionen – linear, Sigmoid , Tanh, Softmax Für Prognose und Klassifizierung geeignete Verlustfunktionen Parameter – Lernrate, Regularisierung, Impuls Aufbau neuronaler Netze in Python Bewertung der Leistung neuronaler Netze in Python Grundlagen tiefer Netze Was ist tiefes Lernen? Architektur tiefer Netzwerke – Parameter, Schichten, Aktivierungsfunktionen, Verlustfunktionen, Löser Eingeschränkte Boltzmann-Maschinen (RBMs) Autoencoder Deep Networks-Architekturen Deep Belief Networks (DBN) – Architektur, Anwendung Autoencoder Eingeschränkte Boltzmann-Maschinen Faltungs-Neuronales Netzwerk Rekursives Neuronales Netzwerk Übersicht über wiederkehrende neuronale Netzwerke der verfügbaren Bibliotheken und Schnittstellen in Python Caffee Theano Tensorflow Keras Mxnet Auswahl der geeigneten Bibliothek für das Problem Aufbau tiefer Netzwerke in Python Auswahl der geeigneten Architektur für das gegebene Problem Hybride tiefe Netzwerke Lernnetzwerk – geeignete Bibliothek, Architekturdefinition Tuning-Netzwerk – Initialisierung, Aktivierungsfunktionen , Verlustfunktionen, Optimierungsmethode Überanpassung vermeiden – Überanpassungsprobleme in tiefen Netzwerken erkennen, Regularisierung Bewertung tiefer Netzwerke Fallstudien in Python Bilderkennung – CNN Erkennung von Anomalien mit Autoencodern Prognose von Zeitreihen mit RNN Dimensionsreduktion mit Autoencoder Klassifizierung mit RBM

 

Voraussetzungen

Kenntnisse in den Bereichen maschinelles Lernen, Systemarchitektur und Programmiersprachen sind wünschenswert.

  14 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Kombinierte Kurse

Verwandte Kategorien