Deep Learning Specialization Training
450,00 EUR
- 50 hours
Dieser umfassende Kurs vermittelt das Wissen und die Fähigkeiten, um Deep-Learning-Tools mithilfe von AI/ML-Frameworks effektiv einzusetzen. Sie werden die grundlegenden Konzepte und praktischen Anwendungen von Deep Learning erkunden und ein klares Verständnis für die Unterschiede zwischen Deep Learning und maschinellem Lernen gewinnen. Der Kurs deckt eine breite Palette von Themen ab, einschließlich neuronaler Netze, Vorwärts- und Rückwärtspropagation, TensorFlow 2, Keras, Techniken zur Leistungsoptimierung, Modellinterpretierbarkeit, Convolutional Neural Networks (CNNs), Transferlernen, Objekterkennung, Recurrent Neural Networks (RNNs), Autoencoder und das Erstellen neuronaler Netze in PyTorch. Am Ende des Kurses werden Sie eine solide Grundlage in den Prinzipien des Deep Learnings haben und in der Lage sein, Deep-Learning-Modelle effektiv mit Keras und TensorFlow zu bauen und zu optimieren.
Hauptmerkmale
Sprache
Kurs und Material auf Englisch
Niveau
Mittelstufe - Fortgeschrittenes Niveau
Zugang
1 Jahr Zugang zur Plattform & Aufzeichnungen der Kurse
6 Stunden Videounterricht
und 40 Stunden Online-Live-Unterricht
Lernzeit
Empfehlung von 50 Stunden Lernzeit
Virtuelles Labor inklusive zum Üben
3 Abschlussprojekte und 1 Bewertungstest
Keine Prüfung
aber eine Teilnahmebescheinigung ist inbegriffen
Lernergebnisse
Am Ende dieses Kurses werden Sie in der Lage sein:
Tiefes Lernen
Unterscheiden Sie zwischen Deep Learning und maschinellem Lernen und verstehen Sie ihre jeweiligen Anwendungen.
Neuronale Netze
Erwerben Sie ein gründliches Verständnis verschiedener Arten von neuronalen Netzwerken.
DNNs
Beherrschen Sie die Konzepte der Vorwärts- und Rückwärtsverbreitung in tiefen neuronalen Netzen (DNNs).
Modellierung
Erlangen Sie Einblicke in Modellierungstechniken und Leistungsverbesserung beim tiefen Lernen.
Parameter
Verstehen Sie die Prinzipien der Hyperparameter-Feinabstimmung und der Modellinterpretierbarkeit.
Techniken
Erfahren Sie mehr über wesentliche Techniken wie Dropout und Early Stopping und setzen Sie diese effektiv um.
CNNs
Entwickeln Sie Expertise in Faltungsneuronalen Netzen (CNNs) und Objekterkennung.
PyTorch
Machen Sie sich mit PyTorch vertraut und lernen Sie, wie man mit diesem Framework neuronale Netze erstellt.
RNNs
Erwerben Sie ein fundiertes Verständnis von wiederkehrenden neuronalen Netzen (RNNs).
Kurszeitplan
Einführung in tiefes Lernen
Lektion 1
Künstliche neuronale Netze
Lektion 2
Tiefe neuronale Netze
Lektion 3
TensorFlow
Lektion 4
Modell-Optimierung und Leistungsverbesserung
Lektion 5
Faltende neuronale Netze (CNNs)
Lektion 6
Transferlernen
Lektion 7
Objekterkennung
Lektion 8
Rekurrente neuronale Netze (RNNs)
Lektion 9
Transformer-Modelle für die Verarbeitung natürlicher Sprache (NLP)
Lektion 10
Einstieg in Autoencoder
Lektion 11
PyTorch
Lektion 12
Wer sollte sich für dieses Programm einschreiben?
Voraussetzungen:
Grundkenntnisse in Python-Programmierung, lineare Algebra, Wahrscheinlichkeitsrechnung und einige Grundlagen des maschinellen Lernens sind sehr zu empfehlen.
Software-Ingenieure & Entwickler
Datenwissenschaftler & Analysten
KI/ML-Enthusiasten
Studenten & Forscher
IT- & Cloud-Experten
Geschäfts- & Produktmanager
Häufig gestellte Fragen
Benötigen Sie eine Unternehmenslösung oder LMS-Integration?
Haben Sie nicht den Kurs oder das Programm gefunden, das für Ihr Unternehmen geeignet wäre? Benötigen Sie eine LMS-Integration? Schreiben Sie uns! Wir werden alles lösen!