Bitte melden Sie sich an, um fortzufahren.

Praktische Einführung in Deep Learning für Computer Vision

Kurs
  • Big Data and AI
  • Programming

Praktische Einführung in Deep Learning für Computer Vision

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.

Angeboten von HPI-Student Team für neuronale Netze | Zuletzt aktualisiert am 22. Dezember 2024 | 13915 Einschreibungen

  • Intermediate
  • DE
  • Zertifikat
Kursinformation

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

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 :)

Hinweis auf weitere Kurse zur Thematik

Beachten Sie auch unseren openHPI-Kurs „Künstliche Intelligenz und maschinelles Lernen für Einsteiger“. Für diesen Einsteiger-Kurs ist keine Programmiererfahrung oder technisches Hintergrundwissen notwendig.

Achtung: Dieser Kurs befindet sich aktuell im Selbststudium-Modus, in dem Sie keinen Zugriff auf die bewerteten Hausaufgaben/Prüfungen haben. Daher können wir Ihnen lediglich eine Teilnahmebestätigung ausstellen.

Anforderungen für Nachweise
  • Teilnahmebescheinigung: Du erhältst automatisch eine kostenlose Teilnahmebescheinigung, sobald du mindestens 50% der Kursinhalte durchgearbeitet hast.
  • Zertifikat: Du erhältst ein Zertifikat, wenn du in der Summe aller benoteten Aufgaben mindestens 50% der Höchstpunktzahl erreicht hast.

Mehr Informationen findest du auf der Seite für Nachweise und Richtlinien.

Unsere Dozent:innen

Schau den Teaser zu diesem Online-Kurs

Beim Laden des Videoplayers ist ein Fehler aufgetreten, oder es dauert lange, bis er initialisiert wird. Sie können versuchen, Ihren Browser-Cache zu leeren. Bitte versuchen Sie es später noch einmal und wenden Sie sich an den Helpdesk, wenn das Problem weiterhin besteht.