Aktualisiert im Mai 2025. Dieser Kurs enthält jetzt den Coursera Coach! Eine intelligentere Art zu lernen mit interaktiven Unterhaltungen in Echtzeit, die Ihnen helfen, Ihr Wissen zu testen, Annahmen zu hinterfragen und Ihr Verständnis zu vertiefen, während Sie im Kurs vorankommen. Begeben Sie sich auf eine Reise durch die komplizierte Funktionsweise von fortgeschrittenen Convolutional Neural Networks (CNNs), Transfer Learning und Rekurrenten neuronalen Netzen (RNNs). Dieser Kurs beginnt mit einer gründlichen Erkundung von CNNs und beschäftigt sich mit anspruchsvollen Architekturen wie VGG16 und praktischen Anwendungen durch mehrteilige Fallstudien. Jeder Abschnitt ist so konzipiert, dass Sie Ihr Grundlagenwissen und Ihre praktischen Fähigkeiten schrittweise aufbauen. Im Übergang zum Transfer Learning erforscht der Kurs zentrale Modelle wie AlexNet, GoogleNet und ResNet. Sie werden zahlreiche praktische Übungen absolvieren und Transfer Learning-Techniken auf reale Datensätze anwenden. Diese Sitzungen sind sorgfältig ausgearbeitet, um ein solides Verständnis dafür zu gewährleisten, wie vortrainierte Modelle Ihre Projekte beschleunigen und die Ergebnisse verbessern können. Der Kurs gipfelt in einer eingehenden Untersuchung rekurrenter neuronaler Netze, einschließlich Long Short-Term Memory (LSTM)-Netzen und Gated Recurrent Units (GRUs). Durch die Arbeit an umfassenden Fallstudien gewinnen Sie praktische Erfahrung in der Anwendung von RNNs auf sequenzielle Datenaufgaben wie Part-of-Speech-Tagging und Textgenerierung. Jedes Modul ist so konzipiert, dass es eine nahtlose Lernerfahrung bietet, die theoretische Erkenntnisse mit praktischer Umsetzung verbindet. Dieser Kurs ist auf Datenwissenschaftler, Ingenieure für Maschinelles Lernen und KI-Enthusiasten mit einem soliden Verständnis grundlegender neuronaler Netzwerke und Python-Programmierung zugeschnitten. Voraussetzungen sind Erfahrung mit Deep Learning Frameworks wie TensorFlow oder Keras und Vertrautheit mit grundlegenden Konzepten des Maschinellen Lernens.
Fortgeschrittene CNNs, Transfer Learning und rekurrente Netze
Dieser Kurs ist Teil von Spezialisierung für Deep Learning mit Projekten aus der Praxis
Dozent: Packt - Course Instructors
Bei enthalten
Empfohlene Erfahrung
Was Sie lernen werden
Anwendung von Transfer Learning-Techniken zur Verbesserung der Leistung von Modellen.
Verwendung von RNNs und LSTMs für Vorhersagen von Sequenzen.
Entwicklung praktischer Lösungen für branchenspezifische Probleme.
Beherrschen Sie die Integration fortgeschrittener neuronaler Netze in reale Anwendungen.
Kompetenzen, die Sie erwerben
- Kategorie: Künstliche neuronale Netze
- Kategorie: Netzwerk Architektur
- Kategorie: Tensorflow
- Kategorie: Bildanalyse
- Kategorie: Medizinische Bildgebung
- Kategorie: Keras (Bibliothek für Neuronale Netze)
- Kategorie: Computervision
- Kategorie: Deep Learning
- Kategorie: Verarbeitung natürlicher Sprache
- Kategorie: Angewandtes maschinelles Lernen
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 zur Vorlage
In diesem Kurs gibt es 8 Module
In diesem Modul werden wir uns mit den Grundlagen von CNNs befassen, die VGG16-Architektur untersuchen und eine umfassende Fallstudie durchführen, die sich über mehrere praktische Sitzungen erstreckt. Diese praktischen Übungen dienen der Vertiefung der behandelten theoretischen Konzepte.
Das ist alles enthalten
7 Videos2 Lektüren
In diesem Modul werden wir verschiedene Pre-Training-Modelle, ihre Architekturen und die Prinzipien des Transfer Learning untersuchen. Durch eine Reihe von detaillierten Sitzungen werden wir diese Konzepte in der Praxis anwenden, was in Fallstudien und analytischen Diskussionen gipfelt.
Das ist alles enthalten
16 Videos
In diesem Modul werden wir CNN-Techniken auf reale natürliche Bilder anwenden, wobei wir uns speziell auf Blumenbilder konzentrieren. Anhand einer umfangreichen Fallstudie, die sich über mehrere Sitzungen erstreckt, werden wir lernen, Modelle in einem praktischen, branchenrelevanten Kontext zu implementieren, zu evaluieren und zu verfeinern.
Das ist alles enthalten
15 Videos1 Aufgabe
In diesem Modul werden wir uns der Herausforderung stellen, medizinische Anomalien mithilfe von CNNs zu erkennen. Anhand von Röntgenbildern werden wir in mehreren Sitzungen eine detaillierte Fallstudie durchführen und lernen, medizinische Daten zu interpretieren und effektive diagnostische Modelle zu entwickeln.
Das ist alles enthalten
7 Videos
In diesem Modul werden wir rekurrente neuronale Netzwerke vorstellen und ihre grundlegenden Konzepte, Architektur und Typen behandeln. Wir werden uns mit Trainingsmethoden beschäftigen und häufige Herausforderungen wie das Problem des verschwindenden Gradienten in einer Reihe von detaillierten Sitzungen angehen.
Das ist alles enthalten
12 Videos
In diesem Modul werden wir uns auf Netzwerke mit Long Short-Term Memory (LSTM) konzentrieren und ihre Architektur und Funktionalität behandeln. Wir vergleichen LSTM mit anderen Varianten von Rekurrenten neuronalen Netzen (RNN) wie GRU und implementieren diese Netzwerke in praktischen Szenarien durch eine Reihe von detaillierten Sitzungen.
Das ist alles enthalten
10 Videos1 Aufgabe
In diesem Modul werden wir die Techniken des Rekurrenten neuronalen Netzes (RNN) anwenden, um einen Part-Of-Speech Tagger für die Verarbeitung natürlicher Sprache zu entwickeln. Anhand einer erweiterten Fallstudie, die sich über mehrere Sitzungen erstreckt, werden wir die Leistung des Part-Of-Speech-Taggers entwickeln, bewerten und verfeinern.
Das ist alles enthalten
9 Videos
In diesem Modul werden wir uns mit der praktischen Anwendung von RNNs zur Texterzeugung befassen, indem wir eine umfassende Fallstudie zum Code-Generator untersuchen, die in vier Teile unterteilt ist. Jeder Teil baut auf dem vorhergehenden auf und verbessert unser Verständnis und unsere Fähigkeiten bei der Verwendung von RNNs zur Erzeugung von kohärentem Text.
Das ist alles enthalten
4 Videos1 Lektüre2 Aufgaben
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozent
von
Mehr von Maschinelles Lernen entdecken
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
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
Ja, Sie können das erste Video in der Vorschau ansehen und den Lehrplan einsehen, bevor Sie sich anmelden. Sie müssen den Kurs kaufen, um auf Inhalte zuzugreifen, die nicht in der Vorschau enthalten sind.
Wenn Sie sich vor dem Beginn der Sitzung in den Kurs einschreiben, haben Sie Zugang zu allen Vorlesungsvideos und Lesestoff für den Kurs. Sobald die Sitzung beginnt, können Sie die Aufgaben einreichen.
Sobald Sie sich angemeldet haben und Ihre Sitzung beginnt, haben Sie Zugang zu allen Videos und anderen Ressourcen, einschließlich der Lektüre und dem Diskussionsforum des Kurses. Sie können Übungsaufgaben ansehen und einreichen und die erforderlichen benoteten Aufgaben erledigen, um eine Note und ein Kurszertifikat zu erhalten.
Weitere Fragen
Finanzielle Unterstützung verfügbar,