Modul: Deep Learning Grundlagen

• Du weisst, wie und warum Deep Learning funktioniert und wie du es einsetzt, um das Potential deines Unternehmens zu steigern.
• Du verstehst die Möglichkeiten, die Deep Learning eröffnet, aber weisst auch um dessen Grenzen.
• Du kannst Deep Learning-Modelle implementieren, trainieren und anwenden. Ferner kannst du solche Modelle evaluieren und miteinander vergleichen.
• Du kennst die Bedeutung der folgenden Begriffe und ihre Rolle im Deep Learning: Gradient Descent, Backpropagation, Hyperparameter Tuning, Datensatzaufbereitung, Loss-Funktionen.
• Du verstehst dich auf die Verwendung von Python-Bibliotheken für Deep Learning: PyTorch, TensorFlow.
• Du kennst verschieden Arten von Deep Learning-Modellen und deren Anwendungsgebiete, z. B. Multi-Layer Perceptron, Convolutional Neural Network, Recurrent Neural Network und Multi-Layer Perceptron.
  

Python, pandas, pytorch, tensorflow, keras, numpy, matplotlib

Folgende Vorkenntnisse solltest du mitbringen:

• Du verfügst über Grundkenntnisse in Data Science.
• Du verfügst über ein Grundverständnis in linearer Algebra bzw. Vektoren, Matrizen und Tensoren.
• Du verfügst über Python-Grundkenntnisse und kannst ein einfaches Machine Learning-Modell in Python mit scikit-learn trainieren, evaluieren und anwenden.
  

Bevor der Kurs startet, wird von dir erwartet, dass du …

• ein Google CoLab geöffnet und dich mit der grundlegenden Bedienung vertraut gemacht hast,
• Grundlagen zu Machine Learning und Linearer Algebra repetiert hast,
• die eine Einführung zu Deep Learning anhand der zur Verfügung gestellten Anleitung angeeignet hast.
  

Du erhältst in jedem Fall eine Teilnahmebestätigung. Falls du in der festgelegten Leistungsbeurteilung mindestens eine genügende Leistung erbringst, erhältst du einen Nachweis, dass du das Modul erfolgreich bestanden hast.

Teilnehmenden des DAS- oder MAS-Data-Science-Weiterbildungslehrgangs werden die entsprechenden ETCS-Punkte angerechnet.

• 22.8.2025
• 23.8.2025
• 29.8.2025

8 Teilnehmende

CHF 1500.–