Deep Learning – Teil 1: Künstliche neuronale Netze mit TensorFlow

Deep Learning ist ein Teilbereich von Machine Learning, der sich auf den Einsatz künstlicher neuronaler Netze konzentriert – und in den letzten Jahren bahnbrechende Erfolge in Bereichen wie Bild- und Spracherkennung erzielt hat. Dieser erste Teil unserer Reihe zu Deep Learning vermittelt Ihnen die zentralen Grundlagen dieses faszinierenden Themas.

Die praxisorientierte Einführung erläutert die Funktionsweise neuronaler Netze und befähigt Sie bereits zur Entwicklung der ersten eigenen Modelle. Sie lernen die Hauptkomponenten eines künstlichen neuronalen Netzes kennen – darunter Neuronen, Schichten, Gewichte und Aktivierungsfunktionen – und welche Rolle diese Elemente beim Lernen aus Daten spielen. Abhängig von verschiedenen Anwendungsszenarien wie Klassifikation oder Regression lernen Sie konkret, wie der Einsatz aller Komponenten funktioniert. Durch praktische Übungen und Projekte setzen Sie das Gelernte direkt um und legen den Grundstein für weiterführende Themen im Bereich Deep Learning.

Länge: 06:12 Stunden

Alle Video-Lektionen im Überblick:

• Vorstellung und Infos zum Kurs

  • Herzlich willkommen zu diesem Kurs

• Einleitung

  • Kapitelüberblick

  • Einführung in Deep Learning

  • Ordnerstruktur und Einführung in Google Colab

  • Quiz: Einleitung

• Künstliche neuronale Netze – Einführung mit TensorFlow

  • Kapitelüberblick

  • Deep Learning (Regression) – Intuition

  • Datenanalyse für Deep Learning (Regression)

  • Datenaufteilung für Deep Learning (Regression)

  • Neuronales Netz erstellen (Regression)

  • Neuronales Netz trainieren und bewerten (Regression)

  • Mathematische Vertiefung – Backpropagation (Regression)

  • Quiz: Künstliche neuronale Netze – Einführung mit TensorFlow

• Projekt 1 – KI-gestützte Preisprognosen im IT- und Elektroniksektor

  • Kapitelüberblick

  • Projektvorlage in Python

  • Projektlösung in Python

• Binäre Klassifikation mit neuronalen Netzen

  • Kapitelüberblick

  • Deep Learning (binäre Klassifikation) – Intuition

  • Datenanalyse für Deep Learning (binäre Klassifikation)

  • Datenaufteilung für Deep Learning (binäre Klassifikation)

  • Neuronales Netz erstellen (binäre Klassifikation)

  • Neuronales Netz trainieren und bewerten (binäre Klassifikation)

  • Backpropagation (binäre Klassifikation)

  • Quiz: Binäre Klassifikation mit neuronalen Netzen

• Projekt 2 – Einsatz von KI zur Diagnose von Herz-Kreislauf-Erkrankungen

  • Kapitelüberblick

  • Projektvorlage in Python

  • Projektlösung in Python

• Mehrklassen-Klassifikation mit neuronalen Netzen

  • Kapitelüberblick

  • Deep Learning (Mehrklassen-Klassifikation) – Intuition

  • Datenanalyse für Deep Learning (Mehrklassen-Klassifikation)

  • Datenaufteilung für Deep Learning (Mehrklassen-Klassifikation)

  • Neuronales Netz erstellen (Mehrklassen-Klassifikation)

  • Neuronales Netz trainieren und bewerten (Mehrklassen-Klassifikation)

  • Backpropagation – Mehrklassen-Klassifikation (Teil 1)

  • Backpropagation – Mehrklassen-Klassifikation (Teil 2)

  • Quiz: Mehrklassen-Klassifikation mit neuronalen Netzen

• Projekt 3 – Automatisierte Klassifikation unterschiedlicher Pflanzenarten

  • Kapitelüberblick

  • Projektvorlage in Python

  • Projektlösung in Python

• Abschluss

  • Fazit und Kursabschluss

Über den Trainer:

Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern.

So lernen Sie mit diesem Videokurs:

In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:

• Flexibler Videoplayer mit vielen Steuerungsmöglichkeiten

• Wissensquiz zur Lernkontrolle

• Lernhistorie und Lernfortschritt

• Lesezeichen und Notizen

• Volltextsuche in den Videos

• Frage-den-Experten-Modul

• Übungsmaterial zum Mitmachen

• Responsive Web-App und Videostreaming für alle Endgeräte

Technische Voraussetzungen:

Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.