Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Deep Learning ist gekommen, um zu bleiben! Es ist die Methode der Wahl, um komplexe Probleme mit unstrukturierten Daten zu lösen – und ein fantastisches Werkzeug für Innovation. Keras ist eines der Frameworks, die den Einstieg in die Entwicklung von Deep-Learning-Modellen erleichtern, und es ist flexibel genug, um in kürzester Zeit produktionsreife Modelle zu bauen. In diesem Kurs lernst du Regression und rettest die Erde, indem du Asteroidenbahnen vorhersagst, wendest binäre Klassifikation an, um echte von falschen Dollar-Scheinen zu unterscheiden, nutzt Multiklassenklassifikation, um zu entscheiden, wer welchen Dartpfeil auf eine Dartscheibe geworfen hat, lernst, neuronale Netze zu verwenden, um verrauschte Bilder zu rekonstruieren, und vieles mehr. Außerdem lernst du, wie du deine Modelle während des Trainings besser steuerst und wie du sie feinabstimmst, um ihre Leistung zu steigern.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Keras kennenlernen
In diesem ersten Kapitel lernst du neuronale Netze kennen, verstehst, welche Arten von Problemen sie lösen können und wann du sie einsetzen solltest. Außerdem baust du mehrere Netze und rettest die Erde, indem du ein Regressionsmodell trainierst, das die Umlaufbahn eines auf uns zusteuernden Meteors annähert!
2
Noch tiefer einsteigen
Am Ende dieses Kapitels weißt du, wie du binäre, Multi-Klassen- und Multi-Label-Probleme mit neuronalen Netzen löst. Das übst du an Aufgaben wie dem Erkennen gefälschter Dollar-Scheine, der Entscheidung, wer welchen Dartpfeil auf eine Scheibe geworfen hat, und dem Bau eines intelligenten Systems zum Bewässern deines Bauernhofs. Außerdem kannst du Metriken des Modelltrainings plotten sowie das Training stoppen und deine Modelle speichern, wenn sie sich nicht weiter verbessern.
3
Deine Modellleistung verbessern
In den vorherigen Kapiteln hast du viele Modelle trainiert! Jetzt lernst du, Lernkurven zu interpretieren, um deine Modelle während des Trainings zu verstehen. Du visualisierst außerdem die Auswirkungen von Aktivierungsfunktionen, Batchgrößen und Batch-Normalisierung. Abschließend erfährst du, wie du mit sklearn eine automatische Hyperparameteroptimierung für deine Keras-Modelle durchführst.
4
Fortgeschrittene Modellarchitekturen
Zeit für fortgeschrittenere Architekturen! Du erstellst einen Autoencoder, um verrauschte Bilder zu rekonstruieren, visualisierst Aktivierungen von Convolutional Neural Networks, nutzt tiefe vortrainierte Modelle zur Bildklassifikation und lernst mehr über rekurrente neuronale Netze und die Arbeit mit Text, während du ein Netz baust, das das nächste Wort in einem Satz vorhersagt.
Einstieg ins Deep Learning mit Keras
Kurs
abgeschlossen
