Dieser Kurs bietet eine Einführung in Deep Learning und neuronale Netze mit der Keras-Bibliothek. In diesem Kurs werden Sie mit grundlegendem Wissen und praktischen Fähigkeiten ausgestattet, um Deep-Learning-Modelle zu erstellen und zu bewerten.

Bringen Sie Ihre Karriere in diesem Sommer in Schwung mit Kursen von Google, IBM und anderen für £190/Jahr. Jetzt sparen.


Einführung in Deep Learning & Neuronale Netze mit Keras
Dieser Kurs ist Teil mehrerer Programme.
Unterrichtet in Deutsch (KI-Synchronisation)

Dozent: Alex Aklson
78.841 bereits angemeldet
Bei enthalten
(1,866 Bewertungen)
Was Sie lernen werden
Beschreiben Sie die grundlegenden Konzepte des Deep Learning, der Neuronen und der künstlichen neuronalen Netze zur Lösung von Problemen aus der Praxis
Erklären Sie die Kernkonzepte und Komponenten neuronaler Netze und die Herausforderungen beim Training tiefer Netze
Erstellen Sie Deep-Learning-Modelle für Regression und Klassifizierung mit der Keras-Bibliothek und interpretieren Sie die Leistungsmetriken der Modelle effektiv.
Entwicklung fortschrittlicher Architekturen wie CNNs, RNNs und Transformatoren zur Lösung spezifischer Probleme wie Bildklassifizierung und Sprachmodellierung
Kompetenzen, die Sie erwerben
- Kategorie: Computervision
- Kategorie: Bildanalyse
- Kategorie: PyTorch (Bibliothek für Maschinelles Lernen)
- Kategorie: Deep Learning
- Kategorie: Netzwerk Architektur
- Kategorie: Tensorflow
- Kategorie: Keras (Bibliothek für Neuronale Netze)
- Kategorie: Verarbeitung natürlicher Sprache
- Kategorie: Künstliche neuronale Netze
- Kategorie: Regressionsanalyse
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
8 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 von IBM zur Vorlage

In diesem Kurs gibt es 5 Module
In diesem Modul werden Sie die grundlegenden Konzepte des Deep Learning und neuronaler Netze mit Keras erforschen. Dieses Modul führt Sie in die Bedeutung und Anwendungen von Deep Learning ein. Sie werden sich mit der Struktur und Funktion von Neuronen und neuronalen Netzen beschäftigen. Außerdem erforschen Sie künstliche neuronale Netze, wobei Sie deren Architektur und Funktionsweise detailliert beschreiben. Schließlich werden Sie den Vorwärtsausbreitungsprozess bewerten und verstehen, wie sich Daten durch ein Netzwerk bewegen, um Ausgaben zu erzeugen. Darüber hinaus werden Sie ein umfassendes Verständnis dafür erlangen, wie Deep-Learning-Modelle aufgebaut sind und funktionieren.
Das ist alles enthalten
4 Videos2 Lektüren2 Aufgaben1 App-Element1 Plug-in
In diesem Modul werden Sie sich mit den Kernmechanismen neuronaler Netze auseinandersetzen. Sie werden erklären, wie Modelle Gradientenabstiegsalgorithmen optimieren und Backpropagation erforschen. Außerdem werden Sie zeigen, wie Sie Herausforderungen mit dem Problem des verschwindenden Gradienten angehen. Schließlich werden Sie in diesem Modul mit Aktivierungsfunktionen als Lösungen vertraut gemacht. Anhand praktischer Übungen sehen Sie, wie sich verschiedene Aktivierungsfunktionen auf das Lernen auswirken, und erhalten so das Wissen, um effektive Deep-Learning-Modelle zu entwerfen und zu trainieren.
Das ist alles enthalten
4 Videos1 Lektüre2 Aufgaben2 App-Elemente
In diesem Modul werden Sie die Anwendungen von Deep Learning mit der Keras-Bibliothek erkunden. Außerdem erhalten Sie Einblicke in die Rolle von Keras und anderen Deep-Learning-Bibliotheken bei der Modellentwicklung. Dieses Modul führt Sie durch die Erstellung und das Training von Regressions- und Klassifikationsmodellen mit Keras. Die praktischen Übungen in diesem Modul bieten reale Datensätze zur Implementierung und Bewertung von Deep-Learning-Modellen für verschiedene Vorhersageaufgaben.
Das ist alles enthalten
3 Videos1 Lektüre2 Aufgaben2 App-Elemente
In diesem Modul beschäftigen Sie sich mit fortgeschrittenen Deep-Learning-Architekturen und -Techniken unter Verwendung der Keras-Bibliothek. Sie werden zwischen flachen und tiefen neuronalen Netzen unterscheiden und ihre jeweiligen Komplexitäten und Anwendungen verstehen. Sie werden auch Faltungsneuronale Netze (CNNs) für Bildverarbeitungsaufgaben erforschen und eine Anleitung für die Implementierung von CNNs mit Keras erhalten. Sie werden rekurrente neuronale Netze (RNNs) für sequentielle Daten und Transformationsmodelle erforschen, die die Verarbeitung natürlicher Sprache (NLP) revolutioniert haben. Außerdem lernen Sie Autoencoder für unüberwachtes Lernen und vortrainierte Modelle kennen, um die Leistung zu verbessern und die Trainingszeit zu reduzieren. Die praktischen Übungen in diesem Modul vermitteln Ihnen ein praktisches Verständnis für verschiedene Deep-Learning-Modelle und Transformer in Keras.
Das ist alles enthalten
6 Videos1 Lektüre2 Aufgaben2 App-Elemente
In diesem abschließenden Modul werden Sie alle Fähigkeiten, die Sie während des Kurses erworben haben, anwenden und demonstrieren. In diesem Modul werden Sie Ihr Wissen durch ein Abschlussprojekt konsolidieren, das zentrale Deep-Learning-Konzepte wie Bildklassifizierung und Beschriftungserstellung mit Keras integriert. Nach Abschluss des Projekts werden Sie Ihre Reise durch den Kurs reflektieren und die nächsten Schritte für weiteres Wachstum im Deep Learning verstehen.
Das ist alles enthalten
1 Video2 Lektüren2 App-Elemente
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
Johns Hopkins University
- Status: Kostenloser Testzeitraum
- Status: Kostenloser Testzeitraum
University of Colorado Boulder
- Status: Kostenloser Testzeitraum
Warum entscheiden sich Menschen für Coursera für ihre Karriere?




Bewertungen von Lernenden
1.866 Bewertungen
- 5 stars
75,57 %
- 4 stars
18,26 %
- 3 stars
4,23 %
- 2 stars
1,01 %
- 1 star
0,91 %
Zeigt 3 von 1866 an
Geprüft am 28. März 2025
Really well explained. For some lectures you might need to refer outside the course, but mostly well understandable for an intermediate level student.
Geprüft am 11. Juli 2024
The course is quite complex for a person who does not have knowledge of algebra, statistics and calculus, the final project was good because it was challenging.
Geprüft am 20. März 2020
A good course. Could be better if it was explained how to select the optimal number of layers and nodes. This was not covered and explained anywhere. Overall it was good.

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
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:
Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen des Zertifikats und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kündigen können. Danach gewähren wir keine Rückerstattung, aber Sie können Ihr Abonnement jederzeit kündigen. Siehe unsere vollständigen Rückerstattungsbedingungen.
Weitere Fragen
Finanzielle Unterstützung verfügbar,