Deep Learning Anwendungen

Deep Learning hat in den letzten Jahren große Fortschritte in der Anwendung von Künstlicher Intelligenz ermöglicht. In diesem Modul behandeln wir einige dieser Anwendungen, etwa Variational Autoencoders und Generative Adversarial Networks.

Lernergebnisse

Die Studierenden verstehen die Funktionsweise aktueller Architekturen tiefer neuronaler Netze und können sie für praktische Anwendungen in Bereichen wie Bilderkennung, Spracherkennung, Spracherzeugung oder Natural Language Processing anwenden.

Sie kennen Bibliotheken und Werkzeuge zum Aufbau und Training tiefer neuronaler Netze und können mit ihrer Hilfe tiefe neuronale Netze aufbauen und trainieren.

Sie kennen aktuelle Trainingsalgorithmen und können diese anwenden.

Sie kennen typische Trainingsprobleme wie Over- und Underfitting und können die Qualität von trainierten Modellen beurteilen.