Aktualisiert im Mai 2025. Dieser Kurs bietet jetzt Coursera Coach! Eine intelligentere Art zu lernen mit interaktiven Unterhaltungen in Echtzeit, die Ihnen helfen, Ihr Wissen zu testen, Annahmen in Frage zu stellen und Ihr Verständnis zu vertiefen, während Sie im Kurs vorankommen. Erschließen Sie das Potenzial von Deep Learning, indem Sie Convolutional Neural Networks (CNNs) und Transfer Learning mit praktischer Erfahrung unter Verwendung von TensorFlow und Keras meistern. Dieser Kurs bietet eine umfassende Einführung in CNNs und führt Sie durch ihre theoretischen Grundlagen, praktischen Implementierungen und Anwendungen in der Bild- und Textklassifizierung. Mit praktischem Code in TensorFlow werden Sie reale Datensätze wie CIFAR-10 und Fashion MNIST erstellen, optimieren und mit ihnen experimentieren. Tauchen Sie mit TensorFlow tief in Convolutional Neural Networks (CNNs) ein. Beginnend mit den Grundlagen der Faltung werden Sie fortgeschrittene Themen wie Datenerweiterung, Batch Normalisierung und Transfer Learning erforschen. Sie werden nicht nur an Bilddatensätzen arbeiten, sondern auch Einblicke in die Anwendung von CNNs für die Verarbeitung natürlicher Sprache (NLP) gewinnen. Unabhängig davon, ob Sie von Grund auf neu aufbauen oder bereits trainierte Modelle verwenden, vermittelt Ihnen dieser Kurs die Fähigkeiten, CNNs in realen Anwendungen einzusetzen. Der Kurs beginnt mit einem soliden theoretischen Verständnis von CNNs, wobei Sie Faltungen, Filter und Schichten aufschlüsseln. Danach werden Sie CNNs für beliebte Datensätze wie Fashion MNIST und CIFAR-10 implementieren und in praktische Coding-Sessions mit TensorFlow und Keras eintauchen. Praktische Übungen wie Datenerweiterung und Batch-Normalisierung werden Ihre Fähigkeit verbessern, die Leistung des Modells zu verbessern. Später werden Sie CNNs im Kontext der Verarbeitung natürlicher Sprache erkunden und verstehen, wie CNNs zur Klassifizierung von Texten eingesetzt werden können. Der letzte Abschnitt konzentriert sich auf Transfer Learning, wo Sie mit vortrainierten Modellen wie VGG und ResNet arbeiten und diese auf neue Datensätze anwenden. Dieser Kurs ist ideal für Datenwissenschaftler, Ingenieure für Maschinelles Lernen und Entwickler, die mit Python, TensorFlow und grundlegenden Deep Learning-Konzepten vertraut sind. Sie sollten ein solides Verständnis von Neuronalen Netzwerken haben und Erfahrung mit der Programmierung in Python ist notwendig, um den praktischen Aspekten des Kurses zu folgen. Vertrautheit mit TensorFlow wird empfohlen, ist aber nicht zwingend erforderlich.