Künstliche Intelligenz verändert die Industrie, indem sie Maschinen in die Lage versetzt, aus Daten zu lernen und intelligente Entscheidungen zu treffen. Dieser Kurs bietet eine eingehende Untersuchung von rekurrenten neuronalen Netzen (RNN) und tiefen neuronalen Netzen (DNN), zwei zentralen KI-Technologien. Sie beginnen mit den Grundlagen von RNNs und ihren Anwendungen, gefolgt von einer Untersuchung von DNNs, einschließlich ihrer Architektur und Implementierung mit PyTorch. Sie beherrschen den Aufbau und Einsatz anspruchsvoller KI-Modelle, entwickeln RNN-Modelle für Aufgaben wie Spracherkennung und maschinelle Übersetzung, verstehen und implementieren DNN-Architekturen und nutzen PyTorch für die Modellerstellung und -optimierung.

Am Ende des Kurses werden Sie über ein solides Wissen über RNNs und DNNs verfügen und das Selbstvertrauen haben, diese Techniken in realen Szenarien anzuwenden. Dieser Kurs richtet sich an Datenwissenschaftler, Ingenieure für maschinelles Lernen und KI-Enthusiasten mit grundlegenden Programmier- (vorzugsweise Python) und Statistikkenntnissen und kombiniert Theorie mit praktischer Anwendung durch Videovorlesungen, praktische Übungen und Beispiele aus der Praxis.