Neuronale Netzwerke und Ihre Grundlagen
- Entdecken Sie die essenziellen Konzepte neuronaler Netze und ihre Bedeutung in der Lösung komplexer Datenproblematiken
- Erfahren Sie, wie neuronale Netze zur Modellierung von nichtlinearen Datenbeziehungen eingesetzt werden
- Kennenlernen der elementaren Bausteine neuronaler Netze wie Knoten, Schichten und Gewichtungen
Verschiedene Netzwerkarchitekturen
- Entdecken Sie unterschiedliche Netzwerkarchitekturen neuronaler Netze, darunter Feedforward-, Faltungs- und rekurrente Modelltypen
- Lernen Sie den Einfluss von Aktivierungsfunktionen wie ReLU, Sigmoid und Tanh auf die Leistung von Modellen kennen
- Grundlagen mehrschichtiger Perzeptrons (MLP) und deren Anwendung in der Klassifikation und Regression
Netzwerk-Trainingsmethoden verstehen
- Erfahren Sie mehr über das Trainieren neuronaler Netze mit Backpropagation und dem Gradientenabstiegsverfahren
- Optimierung der Netzwerkgewichte durch Verlustfunktionen und Optimierungsalgorithmen begreifen
- Praktische Übung in der Anpassung von Hyperparametern wie Lernraten und Partitionsgrößen zur Steigerung der Modellgenauigkeit
Neuronalnetz-Anwendungen in der Datenwissenschaft
- Untersuchen Sie die praktische Anwendung neuronaler Netzwerke in der Bilderkennung, Sprachverarbeitung und NLP in der Datenwissenschaft
- Entdecken Sie den Einsatz neuronaler Netze in Branchen wie Gesundheitswesen, Finanzen und Marketing für Analyse und Entscheidungsfindung
- Untersuchen Sie konkrete Fallstudien zur Anwendung neuronaler Netzwerke zur Lösung von Geschäftsproblemen und zur Förderung der Innovation
Vertiefende neuronale Netzwerkmodelle
- Erkunden Sie fortgeschrittene Modelle wie Convolutional Neural Networks (CNN) für Bildanalyse und Recurrent Neural Networks (RNN) für sequentielle Datenstrukturen
- Rolle von Long-Short-Term-Memory-Netzwerken (LSTM) bei Zeitreihendaten besser verstehen
- Lernen Sie die Anwendung neuronaler Netze in generativen Modellen, einschließlich Generative Adversarial Networks (GANs), kennen