Deep Learning Tutorials

Für ein künstliches neuronales Netz (ANN) gibt es eine optimale Anzahl an versteckten Schichten und Neuronen. Dieses Tutorial stellt einen einfachen Ansatz vor, um diese optimale Anzahl zu bestimmen.

In diesem Tutorial erhältst du einen Überblick über Künstliche Intelligenz (KI) und erfährst, was Machine Learning (ML) und Deep Learning unterscheidet.

In diesem Tutorial lernst du Tensors, PyTorch und die Erstellung eines einfachen neuronalen Netzes mit PyTorch kennen.

In diesem Tutorial setzt du ein Paper zur medizinischen Bildgebung mit Deep Learning in Python und Keras um.

Entdecke die wichtigsten Unterschiede zwischen PyTorch, TensorFlow und Keras – drei der beliebtesten Deep-Learning-Frameworks. Verstehe Funktionen, Stärken, Schwächen und Einsatzszenarien, um das passende Tool für dein Projekt zu wählen.

In diesem Tutorial lernst du, NIfTI-formatierte Gehirn-MRT-Bilder zu lesen und sie mit einem konvolutionalen Autoencoder zu rekonstruieren.

Visualisiere Trainingsparameter, Metriken, Hyperparameter oder beliebige Statistiken deines neuronalen Netzes mit TensorBoard!

Lerne, wie du mit TensorFlow ein neuronales Netz aufbaust und es trainierst, evaluierst und optimierst

Lerne, wie du Metas TRIBE v2 auf Google Colab ausführst, kortikale Aktivität aus natürlichen Reizen vorhersagst und die Ergebnisse als interaktive 3D-Gehirn-Heatmaps visualisierst.

Lerne, was natürliche Sprachverarbeitung (NLP) ist und entdecke ihre praktische Anwendung, indem du Google BERT zur Verarbeitung von Textdatensätzen nutzt.

Lerne, wie du mit PyTorch Convolutional Neural Networks (CNNs) in Python konstruierst und implementierst.

Ein Überblick über Autoencoder, ihre Variationen und mögliche Anwendungen in der realen Welt.