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 Welt des Deep Learning und der neuronalen Netzwerke. Dieser Kurs beginnt mit einer Einführung in die Geschichte und die grundlegenden Konzepte neuronaler Netzwerke, einschließlich Perceptrons und mehrschichtiger Strukturen. Im weiteren Verlauf erforschen Sie die Mechanismen des Trainings neuronaler Netze und lernen dabei Aktivierungsfunktionen und den Backpropagation Algorithmus kennen.


Grundlagen des Deep Learning und neuronaler 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
Verstehen der Konzepte von Perceptrons und mehrschichtigen neuronalen Netzwerken.
Anwendung von Trainingstechniken, einschließlich Backpropagation und Regularisierung.
Analysieren Sie Convolutional Neural Networks für die Bild- und Videoanalyse.
Evaluieren und erstellen Sie Deep Learning Projekte mit Frameworks wie TensorFlow und Keras.
Kompetenzen, die Sie erwerben
- Kategorie: Maschinelles Lernen
- Kategorie: Künstliche Intelligenz und Maschinelles Lernen (KI/ML)
- Kategorie: Künstliche neuronale Netze
- Kategorie: Computervision
- Kategorie: Tensorflow
- Kategorie: Bildanalyse
- Kategorie: Lineare Algebra
- Kategorie: Künstliche Intelligenz
- Kategorie: Keras (Bibliothek für Neuronale Netze)
- Kategorie: Deep Learning
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 6 Module
In diesem Modul werden wir die grundlegenden Konzepte des Deep Learning und der neuronalen Netzwerke vorstellen. Wir werden die Geschichte, grundlegende Strukturen wie Perceptrons und den Prozess des Trainings neuronaler Netzwerke erkunden. Außerdem werden wir wichtige Konzepte wie Aktivierungsfunktionen und Repräsentationen behandeln.
Das ist alles enthalten
10 Videos2 Lektüren
In diesem Modul werden wir uns mit den Feinheiten künstlicher neuronaler Netze befassen. Wir werden erforschen, wie das menschliche Gehirn diese Netzwerke inspiriert, die detaillierte Funktionsweise von Perceptrons und die Schichten, die neuronale Netze bilden. Außerdem werden wir uns mit der Sigmoid-Funktion und dem Verständnis von MNIST-Daten beschäftigen.
Das ist alles enthalten
18 Videos
In diesem Modul konzentrieren wir uns auf Feed-Forward-Netzwerke, ihre Betriebsarten und die damit verbundenen Dimensionen. Wir werden den für die Batch-Verarbeitung erforderlichen Pseudocode aufschlüsseln und vektorisierte Methoden zur Optimierung des Trainings neuronaler Netze vorstellen.
Das ist alles enthalten
7 Videos1 Aufgabe
In diesem Modul tauchen wir tief in die Backpropagation ein, eine wichtige Methode für das Training neuronaler Netzwerke. Wir werden die Verlustfunktion einführen, den Backpropagation-Prozess in mehrere Teile aufteilen und damit verbundene Konzepte wie die Sigmoid-Funktion und das Stochastische Gradientenabstiegsverfahren (SGD) behandeln.
Das ist alles enthalten
17 Videos
In diesem Modul werden wir Regularisierungstechniken zur Verbesserung der Leistung neuronaler Netzwerke behandeln. Wir erkunden Dropout-Methoden, Batch-Normalisierung in mehreren Teilen und stellen Tools wie TensorFlow und Keras vor, die diese Prozesse erleichtern.
Das ist alles enthalten
8 Videos
In diesem Modul werden wir uns mit Convolutional Neural Networks (CNNs) und ihren Anwendungen beschäftigen. Wir besprechen die Ideen hinter CNNs, analysieren, wie sie Bild- und Videodaten verarbeiten, und implementieren wichtige Operationen wie Faltung, Stride, Padding und Pooling. Wir werden auch die Vernetzung von Netzwerken für komplexe Aufgaben behandeln.
Das ist alles enthalten
15 Videos1 Lektüre3 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 TestzeitraumJohns Hopkins University
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,

