Modul: Deep Learning Grundlagen

Deep Learning beginnt da, wo klassische Methoden des Machine Learnings an seine Grenzen stossen. Lerne das Potenzial und die Grenzen verschiedener Deep Learning Arten und deren Anwendungsgebiete kennen und umzusetzen.

Eckdaten

ECTS-Punkte: 2,5
Nächster Start: 6.9.2024
Dauer: 6.9.2024 / 7.9.2024 / 13.9.2024
Unterrichtssprache: Deutsch
Ort: FHNW Campus Brugg-Windisch
Preis: CHF 1500.–

Jetzt anmelden

Wir befinden uns im digitalen Zeitalter. Unternehmen stehen eine Vielzahl von Daten zur Verfügung, deren Umfang Menschen nicht mehr erfassen können. Um dieses Wissen aus den Daten zu extrahieren, bedarf es computergestützter Methoden, welche automatisiert relevante Informationen für Geschäftsfragen extrahieren können. Doch die Komplexität und schiere Grösse vieler Datensätze bringen klassische Methoden des maschinellen Lernens an seine Grenzen. Um aus solchen Datensätzen Wissen zu generieren, bedarf es daher Deep-Learning-Methoden. In diesem Kurs lernst du die Grundlagen dieser Methoden und Anwendungsgebiete kennen.

Modulübersicht

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.