Deep Learning – mit Python und TensorFlow und Keras

Dieses Seminar zu Deep Learning mit Python und TensorFlow und Keras führt Sie in moderne Deep-Learning-Techniken ein. Sie arbeiten mit neuronalen Netzen wie CNNs, RNNs und MLPs und setzen diese mit TensorFlow und der Keras API um.

Neben dem Aufbau und Training von Modellen lernen Sie, diese zu tunen und in Projekten praktisch anzuwenden. Der Kurs verbindet Theorie und Praxis auf verständliche Weise für den optimalen Lernerfolg.

Hinweis:

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 TensorFlow und Keras

• Modellaufbau und Training
• Vergleich mit dem PyTorch Framework

Hyperparameter-Tuning

• Lernrate, Batchgröße, Optimizer
• Early Stopping und Regularisierung

Deep-Learning-Projekte praktisch anwenden

• Bildklassifikation
• Textanalyse oder Zeitreihenprognosen

Modellbereitstellung und Skalierung

Sie lernen, neuronale Netze wie CNNs, RNNs und MLPs mit TensorFlow und der Keras API aufzubauen und zu trainieren. Zudem stimmen Sie Modelle über Hyperparameter ab und wenden Deep-Learning-Techniken praktisch in Projekten an.

Der Kurs ist ideal für ML-Erfahrene, die sich mit Deep Learning, neuronalen Netzen und modernen Tools wie TensorFlow und Keras weiterentwickeln wollen.

Sicherer Umgang mit Python und gute Kenntnisse im Machine Learning. Erste Erfahrungen mit NumPy oder Pandas sind hilfreich.