Am Ende dieses Kurses werden die Teilnehmer in der Lage sein, eine Python-Umgebung zu konfigurieren, Daten vorzuverarbeiten und zu kodieren, Architekturen für Künstliche Neuronale Netze (ANN) zu erstellen, Vorhersagen zu generieren und unausgewogene Datensätze mit Resampling-Techniken zu behandeln. Die Teilnehmer werden praktische Erfahrungen mit TensorFlow, Keras und Anaconda sammeln und gleichzeitig praktische Fähigkeiten in der Datenvorbereitung, der Modellkonstruktion und der Leistungsoptimierung erwerben. Dieser Kurs richtet sich an Studenten, Datenenthusiasten und Fachleute, die ihre Deep Learning-Expertise mit einem gezielten, projektbasierten Ansatz ausbauen wollen. Im Gegensatz zu allgemeinen Tutorials wird ein kompletter, durchgängiger Workflow vermittelt - von der Einrichtung der Umgebung und der Datenvorverarbeitung bis hin zum Entwurf und der Auswertung von ANNs -, der sicherstellt, dass die Lernenden eigenständig Vorhersagemodelle erstellen können. Was diesen Kurs einzigartig macht, ist die Ausgewogenheit zwischen konzeptioneller Klarheit und praktischer Umsetzung. Die Lernenden verstehen nicht nur die Theorie, sondern wenden sie auch direkt auf die Analyse der Kundenabwanderung an - ein praktischer Anwendungsfall für Unternehmen. Mit Schritt-für-Schritt-Lektionen, Quizfragen und angeleiteten Projekten vermittelt dieser Kurs den Teilnehmern das nötige Selbstvertrauen, um ANN-Modelle in realen Szenarien zu implementieren und nahtlos in fortgeschrittenere Deep Learning-Themen überzugehen.