In diesem Modul werden Sie sich mit den Kernmechanismen neuronaler Netze auseinandersetzen. Sie werden erklären, wie Modelle Gradientenabstiegsalgorithmen optimieren und Backpropagation erforschen. Außerdem werden Sie zeigen, wie Sie Herausforderungen mit dem Problem des verschwindenden Gradienten angehen. Schließlich werden Sie in diesem Modul mit Aktivierungsfunktionen als Lösungen vertraut gemacht. Anhand praktischer Übungen sehen Sie, wie sich verschiedene Aktivierungsfunktionen auf das Lernen auswirken, und erhalten so das Wissen, um effektive Deep-Learning-Modelle zu entwerfen und zu trainieren.

In diesem Modul werden Sie die Anwendungen von Deep Learning mit der Keras-Bibliothek erkunden. Außerdem erhalten Sie Einblicke in die Rolle von Keras und anderen Deep-Learning-Bibliotheken bei der Modellentwicklung. Dieses Modul führt Sie durch die Erstellung und das Training von Regressions- und Klassifikationsmodellen mit Keras. Die praktischen Übungen in diesem Modul bieten reale Datensätze zur Implementierung und Bewertung von Deep-Learning-Modellen für verschiedene Vorhersageaufgaben.

In diesem Modul beschäftigen Sie sich mit fortgeschrittenen Deep-Learning-Architekturen und -Techniken unter Verwendung der Keras-Bibliothek. Sie werden zwischen flachen und tiefen neuronalen Netzen unterscheiden und ihre jeweiligen Komplexitäten und Anwendungen verstehen. Sie werden auch Faltungsneuronale Netze (CNNs) für Bildverarbeitungsaufgaben erforschen und eine Anleitung für die Implementierung von CNNs mit Keras erhalten. Sie werden rekurrente neuronale Netze (RNNs) für sequentielle Daten und Transformationsmodelle erforschen, die die Verarbeitung natürlicher Sprache (NLP) revolutioniert haben. Außerdem lernen Sie Autoencoder für unüberwachtes Lernen und vortrainierte Modelle kennen, um die Leistung zu verbessern und die Trainingszeit zu reduzieren. Die praktischen Übungen in diesem Modul vermitteln Ihnen ein praktisches Verständnis für verschiedene Deep-Learning-Modelle und Transformer in Keras.

In diesem abschließenden Modul werden Sie alle Fähigkeiten, die Sie während des Kurses erworben haben, anwenden und demonstrieren. In diesem Modul werden Sie Ihr Wissen durch ein Abschlussprojekt konsolidieren, das zentrale Deep-Learning-Konzepte wie Bildklassifizierung und Beschriftungserstellung mit Keras integriert. Nach Abschluss des Projekts werden Sie Ihre Reise durch den Kurs reflektieren und die nächsten Schritte für weiteres Wachstum im Deep Learning verstehen.