Machine Learning: Grundlagen supervised und unsupervised learning mit Anwendungsbeispielen in TensorFlow Keras

Dauer
Ausführung
Vor Ort, Online
Startdatum und Ort

Machine Learning: Grundlagen supervised und unsupervised learning mit Anwendungsbeispielen in TensorFlow Keras

GFU Cyrus AG
Logo von GFU Cyrus AG
Bewertung: starstarstarstar_halfstar_border 7,3 Bildungsangebote von GFU Cyrus AG haben eine durchschnittliche Bewertung von 7,3 (aus 10 Bewertungen)

Tipp: Haben Sie Fragen? Für weitere Details einfach auf "Kostenlose Informationen" klicken.

Startdaten und Startorte

placeKöln
30. Sep 2024 bis 2. Okt 2024
computer Online: Zoom
30. Sep 2024 bis 2. Okt 2024
placeKöln
11. Dez 2024 bis 13. Dez 2024
computer Online: Zoom
11. Dez 2024 bis 13. Dez 2024
placeKöln
17. Mär 2025 bis 19. Mär 2025
computer Online: Zoom
17. Mär 2025 bis 19. Mär 2025
placeKöln
2. Jun 2025 bis 4. Jun 2025
computer Online: Zoom
2. Jun 2025 bis 4. Jun 2025

Beschreibung

Schulungen der Extraklasse ✔ Durchführungsgarantie ✔ Trainer aus der Praxis ✔ Kostenfreies Storno ✔ 3=2 Kostenfreie Teilnahme für den Dritten ✔ Persönliche Lernumgebung ✔ Kleine Lerngruppen

Seminarziel

Nach diesem Kurs kennen Sie wichtige Grundkonzepte des Maschinellen Lernens und können diese mit eigenen Daten und im Internet verfügbaren Tools anwenden.

Inhalt

  • Überblick Maschinelles Lernen
    • Lernformen: nicht überwachtes Lernen, verstärkendes Lernen, überwachtes Lernen
    • supervised learning versus unsupervised learning
    • classical learning versus deep learning
    • Statistik versus Maschinelles Lernen
  • Intelligente Agenten (KI-Systeme)
    • Struktur von Agenten, Agentenprogramm, Agentenfunktion
    • Agenten-Grundtypen
    • Modellbasierter Reflexagent
    • Lernender Agent
  • supervised learning („Lernen mit Lehrer“)
    • Lernen aus Beispielen
    • Trainingsmenge versus Testmenge
    • Generalisierungsfähigkeit der ge…

Gesamte Beschreibung lesen

Frequently asked questions

Es wurden noch keine FAQ hinterlegt. Falls Sie Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice. Wir helfen gerne weiter!

Noch nicht den perfekten Kurs gefunden? Verwandte Themen: TensorFlow, Machine Learning, Big Data, Data Science und Data Analytics.

Schulungen der Extraklasse ✔ Durchführungsgarantie ✔ Trainer aus der Praxis ✔ Kostenfreies Storno ✔ 3=2 Kostenfreie Teilnahme für den Dritten ✔ Persönliche Lernumgebung ✔ Kleine Lerngruppen

Seminarziel

Nach diesem Kurs kennen Sie wichtige Grundkonzepte des Maschinellen Lernens und können diese mit eigenen Daten und im Internet verfügbaren Tools anwenden.

Inhalt

  • Überblick Maschinelles Lernen
    • Lernformen: nicht überwachtes Lernen, verstärkendes Lernen, überwachtes Lernen
    • supervised learning versus unsupervised learning
    • classical learning versus deep learning
    • Statistik versus Maschinelles Lernen
  • Intelligente Agenten (KI-Systeme)
    • Struktur von Agenten, Agentenprogramm, Agentenfunktion
    • Agenten-Grundtypen
    • Modellbasierter Reflexagent
    • Lernender Agent
  • supervised learning („Lernen mit Lehrer“)
    • Lernen aus Beispielen
    • Trainingsmenge versus Testmenge
    • Generalisierungsfähigkeit der gelernten Abbildung
    • Problem der Überanpassung
  • Neuronale Netze, Multi Layer Perceptrons
    • Vom biologischen zum technischen Neuron
    • Perceptron
    • Nichtlineare Aktivierungsfunktionen
    • Multi-Layer-Perceptrons (mehrschichtige neuronale Netze)
    • Lernalgorithmus „Backpropagation of Error“
    • Machine-Learning-Tool „TensorFlow Keras“
    • Beispiele zu Regression und Klassifikation mit Multi Layer Perceptrons
    • Beispiel: Multi Layer Perceptrons mit TensorFlow Keras
    • praktische Tipps
    • deep learning
    • Beispiele und Demos zu deep learning
  • Neuronale Netze, Convolutional Neural Networks (CNN)
    • Grundidee und Topologie CNN
    • Beispiele und Demos zu Convolutional Neural Networks / Deep Learning
    • Beispiel: Convolutional Neural Networks mit TensorFlow Keras
  • Neuronale Netze, Recurrent Neural Networks (RNN, LSTM)
    • Grundidee und Topologie RNN
    • Lernalgorithmus „Backpropagation Through Time“
    • Long Short-Term Memory Networks (LSTM)
    • Beispiele und Demos zu RNN und LSTM
  • Support-Vektor-Maschinen
    • Grundidee und Unterschied zu Neuronalen Netzen
    • Kernel-Trick zur Garantie der Linearen Separierbarkeit in höheren Dimensionen
    • Beispiele und Demos zu Support Vector Machines
    • praktische Tipps
  • unsupervised learning („Lernen ohne Lehrer“)
    • unsupervised classical learning
      • clustering
      • dimension reduction
      • association
    • unsupervised deep learning
      • autoencoder
      • Generative Adversarial Networks (GAN)
      • Beispiel: Generative Adversarial Networks mit TensorFlow Keras
  • Hinweise zu Tools, Internet-Quellen und Literatur
    • Diskussion spezifischer Fragestellungen aus der beruflichen Praxis

Werden Sie über neue Bewertungen benachrichtigt

Es wurden noch keine Bewertungen geschrieben.

Schreiben Sie eine Bewertung

Haben Sie Erfahrung mit diesem Kurs? Schreiben Sie jetzt eine Bewertung und helfen Sie Anderen dabei die richtige Weiterbildung zu wählen. Als Dankeschön spenden wir € 1,00 an Stiftung Edukans.

Es wurden noch keine FAQ hinterlegt. Falls Sie Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice. Wir helfen gerne weiter!

Bitte füllen Sie das Formular so vollständig wie möglich aus

(optional)
(optional)
(optional)
(optional)
(optional)
(optional)
(optional)

Haben Sie noch Fragen?

(optional)

Anmeldung für Newsletter

Damit Ihnen per E-Mail oder Telefon weitergeholfen werden kann, speichern wir Ihre Daten.
Mehr Informationen dazu finden Sie in unseren Datenschutzbestimmungen.