Modul #1 Einführung in Deep Learning Überblick über Deep Learning, Geschichte und Anwendungen
Modul #2 Mathematische Voraussetzungen Überprüfung der linearen Algebra, der Differential- und Integralrechnung und der Wahrscheinlichkeitstheorie
Modul #3 Grundlagen neuronaler Netze Einführung in künstliche neuronale Netze, Perceptronen und mehrschichtige Perceptronen
Modul #4 Aktivierungsfunktionen und Backpropagation Aktivierungsfunktionen, Backpropagation und Gradientenabstieg
Modul #5 Aufbau und Training neuronaler Netze Praktische Erfahrung mit dem Aufbau und Training neuronaler Netze mithilfe eines Deep-Learning-Frameworks
Modul #6 Convolutional Neural Networks (CNNs) Einführung in CNNs, Convolutional-Schichten und Pooling-Schichten
Modul #7 CNN-Architekturen AlexNet-, VGGNet-, GoogLeNet- und ResNet-Architekturen
Modul #8 Transfer Learning und Feinabstimmung Verwendung vorab trainierter CNN-Modelle und Feinabstimmung für Bildklassifizierungsaufgaben
Modul #9 Rekurrierende neuronale Netze (RNNs) Einführung in RNNs, einfache RNNs und LSTM-Netze
Modul #10 RNN-Architekturen GRU, bidirektionale RNNs und Encoder-Decoder-Modelle
Modul #11 Sequenz-zu-Sequenz-Modelle Maschinelle Übersetzung, Chatbots und Sequenz-zu-Sequenz-Modelle
Modul #12 Generative Modelle Einführung in generative Modelle, GANs und VAEs
Modul #13 Autoencoder und Variational Autoencoder Dimensionalitätsreduktion, Autoencoder und VAEs
Modul #14 Generative Adversarial Networks (GANs) GANs, DCGANs und bedingte GANs
Modul #15 Deep Reinforcement Learning Einführung in Reinforcement Learning, Q-Learning und Policy Gradients
Modul #16 Deep Reinforcement-Learning-Algorithmen DDPG, Actor-Critic-Methoden und AlphaGo
Modul #17 Unüberwachtes Lernen und Clustering K-Means, hierarchisches Clustering und Dimensionsreduktion
Modul #18 Deep Learning für die Verarbeitung natürlicher Sprache Wort-Embeddings, Sprachmodelle und Textklassifizierung
Modul #19 Aufmerksamkeitsmechanismen Aufmerksamkeit in NLP, Transformatoren und BERT
Modul #20 Deep Learning für Computer Vision Objekterkennung, -segmentierung und -verfolgung
Modul #21 Deep Learning-Frameworks TensorFlow, PyTorch und Keras
Modul #22 Modellbewertung und Hyperparameter-Tuning Modellbewertungsmetriken, Hyperparameter-Tuning und Kreuzvalidierung
Modul #23 Deep Learning-Bereitstellung und -Produktion Modellbereitstellung, Modellbereitstellung und -produktion
Modul #24 Ethik und Fairness beim Deep Learning Ethische Überlegungen, Voreingenommenheit und Fairness beim Deep Learning Modelle
Modul #25 Kursabschluss und Schlussfolgerung Planen Sie die nächsten Schritte in Ihrer Karriere im Deep Learning
