Über “Neuronale Netze”, “Artificial Intelligence” und “Deep Learning” reden heute alle. Jeder möchte künstliche Intelligenz nutzen, doch wie fange ich am besten damit an? In diesem Kurs werden wir künstliche neuronale Netze, die Grundlage künstlicher Intelligenz, sowohl theoretisch als auch praktisch einführen. Dabei wollen wir genauer untersuchen, wie solche Netze funktionieren und wie man sie entwickeln und einsetzen kann. Der Kurs beinhaltet theoretische Grundlagen, praktische Übungen und weiterführende Exkurse, unter anderem in die Algorithmen, welche zum Trainieren von neuronalen Netzen verwendet werden. Anschließend werden wir lernen, wie ein Netz für verschiedene Einsatzzwecke optimiert werden kann und wie wir auch mit wenig Trainingsdaten Erfolge erzielen können. Am Ende zeigen wir, wie ihr selbst ein gutes Netz für ein eigenes Problem trainieren könnt. Ziel des Kurses ist es, ein Verständnis von künstlichen neuronalen Netzen und deren Einsatz- und Optimierungsmöglichkeiten zu schaffen.
March 11, 2020 - April 7, 2020
Language: Deutsch

Course information

Zielgruppe

Wir laden alle an Machine Learning und künstlicher Intelligenz interessierten Personen ein, unseren Kurs zu belegen. Teilnehmende sollten von einem Zeitaufwand von 3 bis 6 Stunden pro Woche ausgehen. Um unserem Kurs gut folgen zu können, solltet ihr allerdings folgende Kenntnisse mitbringen:

  • Grundlegende Programmierkenntnisse, vorzugsweise in Python
  • Mathekenntnisse auf Abiturniveau

Prüfungsform

Das Zeugnis erhält, wer in der Summe aller benoteten Aufgaben mehr als 50% der Höchstpunktzahl erreicht hat. Dabei können 40% aller Punkte in den Übungen und 60% aller Punkte in der Abschlussprüfung erreicht werden.

Folgen Sie uns auf Twitter: @openHPI. Für Tweets zu diesem Kurs nutzen Sie bitte den Hashtag #neuralnets2020
Besuchen Sie uns auf Facebook: https://www.facebook.com/OpenHPI

Kursinhalte

Woche 1

In der ersten Kurswoche lernt ihr Neuronen und die Grundlagen neuronaler Netze kennen. Wir zeigen euch, wie Neuronen im Gehirn funktionieren und wie neuronale Netze lernen.

Woche 2

In Woche 2 lernt ihr verschiedene Tools kennen, die ihr für die Implementierung neuronaler Netze benötigt: Numpy zur Berechnung von Matrizenoperationen, Matplotlib um Diagramme zu erstellen und Tensorflow / Keras für die Implementierung neuronaler Netze. Außerdem trainieren wir ein erstes neuronales Netz, welches handgeschriebene Zahlen erkennt.

Woche 3

In Woche drei zeigen wir euch, wie gute Daten aussehen und wollen dann tiefer in die Computer Vision einsteigen. Ihr lernt, welche Techniken wir speziell für die Bilderkennung in unser neuronales Netz einbauen müssen, damit wir auch hochauflösende Bilder benutzen können.

Woche 4

In Woche vier geht es um die Optimierung des neuronalen Netzes. Wir schauen uns verschiedene Techniken an, die ihr benutzen könnt, um auch Netze mit sehr wenigen Bildern zu trainieren. Wir benutzen dabei einen besonders herausfordernden und hochauflösenden Bilddatensatz. Ihr lernt, wie ihr State-of-the-Art-Netze benutzen könnt, um euer eigenes Netz noch besser zu machen und zeigen euch, wie ihr eure eigenen Probleme mit Deep Learning nutzen könnt.

Exkurse

Im Laufe des Kurses bieten wir verschiedene freiwillige Exkurse an. Darin geht es um spannende Themen, die nicht zum regulären Kursinhalt gehören, aber für interessierte Teilnehmer spannende Einblicke in die Hintergründe von Deep Learning oder auch den aktuellen Forschungsstand geben.

Zum Beispiel wird es folgende Exkurse geben:

  • Programmierung eines neuronalen Netzes von Scratch (ohne Tensorflow, in Python)
  • Installation von Tensorflow und Keras lokal
  • Xception, ein aktuelles und sehr tiefes Netz für schwierige Computer Vision Aufgaben
  • Generative Adversarial Networks, die real aussehende Fake-Bilder erzeugen und reale von Fake-Bildern unterscheiden können

Übungen

Es wird mehrere praktische Übungen geben, in denen ihr selbst künstliche neuronale Netze implementieren könnt. Ein Teil dieser Übungen fließt in das Zeugnis mit ein, außerdem gibt es freiwillige praktische Übungen. In den Übungen werdet ihr den wöchentlichen Inhalt praktisch wiederholen und dabei neue spannende Datensets benutzen.

I like, I wish

Wir freuen uns auf euer Feedback, Kritik, sachdienliche Hinweise und Lob. Alles ist gerne gesehen! Spart nicht damit :)

Enroll me for this course

The course is free. Just register for an account on openHPI and take the course!
Enroll me now
Learners enrolled: 4109

Certificate Requirements

  • Gain a record of achievement by earning more than 50% of the maximum number of points from all graded assignments.
  • Gain a confirmation of participation by completing at least 50% of the course material.

Find out more in the certificate guidelines.

This course is offered by

HPI-Student Team für neuronale Netze

Das HPI-Student Team für neuronale Netze besteht aus den HPI-Studenten (v.l.n.r) Georg, Hendrik, Roman, Leonard und Benedikt. Sie studieren im fünften Bachelorsemester und haben sich im vergangenen Semester aus eigenem Interesse mit dem Thema Deep Learning und neuronale Netze beschäftigt. Herausgekommen ist dabei dieser Online Kurs, indem die Studenten die Gelegenheit nutzen wollen, das Thema auch anderen Interessierten beizubringen.

Bei der Kurserstellung betreut wurden sie aus dem openHPI-Team von Christiane und Tom, sowie dem Lehrstuhl "Internet-Technologien und Systeme" von Prof. Dr. Meinel.

Your request has been sent to our support team, and will be answered as soon as possible.

Thank You!

Oops something went wrong.

Back