Möchten Sie eine Karriere im Bereich Deep Learning beginnen? Dann suchen Sie nicht weiter. Dieser Kurs führt Sie in das Feld des Deep Learning ein und hilft Ihnen, viele Fragen zu beantworten, die sich heutzutage stellen, z.B. was ist Deep Learning und wie unterscheiden sich Deep Learning-Modelle von künstlichen neuronalen Netzen? Sie lernen die verschiedenen Deep-Learning-Modelle kennen und erstellen Ihr erstes Deep-Learning-Modell mit Hilfe der Keras-Bibliothek. Nach Abschluss dieses Kurses sind Sie in der Lage: - zu beschreiben, was ein neuronales Netzwerk ist, was ein Deep-Learning-Modell ist und worin der Unterschied zwischen ihnen besteht; - ein Verständnis für nicht überwachte Deep-Learning-Modelle wie Autocoder und Restricted Boltzmann Machines zu demonstrieren; - ein Verständnis für überwachte Deep-Learning-Modelle wie Convolutional Neural Networks und Recurrent Networks zu demonstrieren; - Deep-Learning-Modelle und Netzwerke mit Hilfe der Keras-Bibliothek zu erstellen.
Einführung in Deep Learning & Neuronale Netze mit Keras
Dieser Kurs ist Teil mehrerer Programme.
Dozent: Alex Aklson
63.235 bereits angemeldet
Bei 
enthalten
(1,657 Bewertungen)
Kompetenzen, die Sie erwerben
- Kategorie: Künstliche Intelligenz (KI)
- Kategorie: Künstliches Neuronales Netzwerk
- Kategorie: Maschinelles Lernen
- Kategorie: Deep Learning
- Kategorie: keras
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
4 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat von IBM zur Vorlage
Erwerben Sie ein Karrierezertifikat.
Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.
In diesem Kurs gibt es 5 Module
In diesem Modul lernen Sie spannende Anwendungen von Deep Learning kennen und erfahren, warum jetzt der perfekte Zeitpunkt ist, um Deep Learning zu lernen. Sie werden auch etwas über neuronale Netzwerke erfahren und wie die meisten Deep Learning-Algorithmen von der Funktionsweise unseres Gehirns und der Datenverarbeitung durch die Neuronen inspiriert sind. Schließlich werden Sie erfahren, wie neuronale Netzwerke Daten durch das Netzwerk weiterleiten.
Das ist alles enthalten
4 Videos1 Lektüre1 Aufgabe1 App-Element
In diesem Modul lernen Sie den Algorithmus des Gradientenabstiegs kennen und erfahren, wie Variablen im Hinblick auf eine definierte Funktion optimiert werden. Sie lernen auch etwas über Backpropagation und wie neuronale Netze lernen und ihre Gewichte und Verzerrungen aktualisieren. Darüber hinaus lernen Sie das Problem des verschwindenden Gradienten kennen. Schließlich lernen Sie etwas über Aktivierungsfunktionen.
Das ist alles enthalten
4 Videos1 Aufgabe
In diesem Modul lernen Sie die verschiedenen Deep Learning-Bibliotheken kennen, nämlich Keras, PyTorch und TensorFlow. Außerdem lernen Sie, wie Sie mit der Keras-Bibliothek Regressions- und Klassifikationsmodelle erstellen können.
Das ist alles enthalten
3 Videos1 Aufgabe2 App-Elemente
In diesem Modul lernen Sie den Unterschied zwischen flachen und tiefen neuronalen Netzen kennen. Außerdem lernen Sie etwas über Faltungsnetzwerke und wie Sie diese mit der Keras-Bibliothek aufbauen. Schließlich lernen Sie auch etwas über rekurrente neuronale Netze und Autoencoder.
Das ist alles enthalten
4 Videos1 Aufgabe1 App-Element
In diesem Modul schließen Sie den Kurs mit einer abschließenden Aufgabe ab, bei der Sie die Keras-Bibliothek verwenden, um ein Regressionsmodell zu erstellen und mit der Tiefe und Breite des Modells zu experimentieren.
Das ist alles enthalten
1 Video1 peer review
Dozent
von
Empfohlen, wenn Sie sich für Maschinelles Lernen interessieren
University of Colorado Boulder
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
1.657 Bewertungen
- 5 stars
75,93 %
- 4 stars
18,09 %
- 3 stars
4,04 %
- 2 stars
0,96 %
- 1 star
0,96 %
Zeigt 3 von 1657 an
Geprüft am 9. Okt. 2019
Good practical examples for ANN. It could be improved the theoretical part and compare better the architecture of the networks with the algorithms and code for Keras
Geprüft am 19. Nov. 2022
Very good course. If we could have the answers to the projects after submission, that would help a lot. Please see if same if possible. Thanks,
Geprüft am 10. März 2020
try to add more case study problems and solve it on lectures so that we can understand how to start (initialize) the coding part when we receive any real world problem.
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:
Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen des Zertifikats und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kündigen können. Danach gewähren wir keine Rückerstattung, aber Sie können Ihr Abonnement jederzeit kündigen. Siehe unsere vollständigen Rückerstattungsbedingungen.