KI Deep-Learning mit Python und Keras

Kursnummer - Dauer der 'Python/KI Deep-Learning' Schulung

Voraussetzungen

Inhalte der 'Python/KI Deep-Learning' Schulung

Der Deep-Learning-Kurs gibt einen Überblick über die Hauptideen und Techniken des Deep-Learnings und behandelt die praktische Implementierung von Deep-Learning-Algorithmen mit Python und Tensorflow/Keras. Der Übungsanteil ist rund 50% der Zeit. Am Kursende sind die TeilnehmerInnen in der Lage, moderne Bilderkennungs-Algorithmen sowie Vorhersagemodelle für andere Aufgabenstellungen in wenigen Zeilen Code selber zu programmieren.

• Einleitung
• • Wie sind neuronale Netze aufgebaut?
  • Hauptanwendungsgebiete von tiefen neuronalen Netzen
  • Überblick über Frameworks für tiefe neuronale Netze
• Das Sequential Model in Keras
• • Tensorflow logging level einstellen
  • Backpropagation
  • Loss functions
  • Aktivierungs-Funktionen
  • Convolutional networks
  • Wichtige Keras-Layers für Bilder-Input
  • Allgemein wichtige Keras-Layers.
  • Informationen über Keras-Layer-shapes erhalten
  • Ein Keras-Model kann als Keras-Layer eingesetzt werden
  • Logging und Monitoring der model.fit() Methode
• Die Keras functional API
• • Komplexe Netz-Architekturen
  • Shared Layers.
  • String- oder Object-Argumente für die compile() Methode
• Ein Modell wieder verwenden. Transfer-Learning
• • Ein Modell speichern und wieder laden
  • Fixieren von internen Modell-Gewichten in verschiedenen Layern
  • Layers von einem Modell entfernen
  • Modelle mit mehreren Input-Layern und/oder Output-Layern
• Problematische Situationen - Lösungen dazu
• • Overfitting
  • Explodierende / verschwindende Gradienten
  • Sehr große Datensätze