- Erwerb eines soliden Verständnisses der Grundlagen und fortgeschrittenen Ansätze für Data Science und Datenanalyse
- Kenntnisse in Bereichen wie Datenwissenschaft, maschinellen Lernen (ML), Deep Learning, Python, Datenmodellierung und Datenvisualisierung
Grundlagen von Datenwissenschaft und Python
- Einblick in die Rolle von Data Science und die zunehmende Bedeutung von Deep Learning im maschinellen Lernen
- Vorstellung von Python und Bibliotheken wie TensorFlow und Keras zur Entwicklung künstlicher neuronaler Netze (ANNs)
- Darstellung, wie Data Scientists Deep Learning zur Lösung anspruchsvoller Aufgaben wie Bilderkennung und Sprachverarbeitung nutzen
- Einrichtung der Python-Umgebung zur Erstellung und Schulung neuronaler Netze
Künstliche Neuronale Netze (ANNs) verstehen
- Einleitung zu neuronalen Netzen mit Komponenten: Neuronen, Schichten, Aktivierungsfunktionen und Gewichte
- Vertrautwerden mit Feedforward-Netzen und Backpropagation im Modelltraining
- Studium unterschiedlicher Architekturen, wie vollständig verbundene und konvolutionale Netze
- Entwicklung einfacher ANNs mit Keras und TensorFlow für Bildklassifikations- und Regressionsaufgaben
Wesentliche Konzepte des Deep Learning
- Überblick über tiefes Lernen mit zentralen Ideen, wie tiefe neuronale Netze und deren Training
- Erkennung der Überanpassung beim Deep Learning und Strategien zur Regularisierung, z.B. Dropout und Batch-Normalisierung
- Einsatz von fortgeschrittenen Deep-Learning-Modellen zur anspruchsvollen Datenverarbeitung und Klassifizierung
- Optimierung von Deep Learning-Techniken mit Methoden wie stochastischem Gradientenabstieg und Adam-Algorithmus
Deep Learning in der Praxis
- Nutzung von Deep Learning für praktische Aufgaben wie Bildverarbeitung, Sprachverstehen und Textkategorisierung
- Analyse von Praxisbeispielen zu Deep Learning-Modellen in Sektoren wie Gesundheitswesen, Finanzen und autonomes Fahren
- Best Practices für die Bewertung und Implementierung von Deep Learning-Modellen in produktiven Umgebungen
- Vorstellung von Ergebnissen aus Deep Learning-Projekten für Stakeholder ohne technische Expertise zur Förderung von Geschäftsentscheidungen