Bilderkennung mit PyTorch Kurs

In diesem Kurs: Künstliche Intelligenz, Bilderkennung, PyTorch, Datenverarbeitung, Datentransformation, neuronale Netzwerke, Modelltraining, Hyperparameteroptimierung, Regularisierung, Überanpassung, Dropout, L1/L2-Regularisierung, Modellbewertung, Feinabstimmung, Genauigkeit, Verlustmetriken, maschinelles Lernen, KI-Entwicklung u. v. m.

Gegenfeld Team · 23.02.2024
  • PyTorch-Tensoren
  • Künstliche Intelligenz
  • Grundlagen der Bilderkennung
  • Datenvorbereitung
  • Training neuronaler Netzwerke
  • Evaluierung und Feinabstimmung 

Entdecken Sie die Kunst der maschinellen Modellentwicklung in PyTorch, von den Grundlagen der Python-Programmierung bis hin zu fortgeschrittenen Techniken wie Hyperparameteroptimierung und Regularisierung, und meistern Sie die Fähigkeiten, um robuste, effiziente und hochpräzise Modelle zu erstellen, die realen Anforderungen gerecht werden.

Die Kernthemen

  • Grundlagen von KI
  • Neuronale Netzwerke
  • Aufbau und Training
  • & mehr …
  • PyTorch-Tensoren
  • PyTorch-Datasets
  • PyTorch-DataLoader
  • & mehr …
  • Datenbeschaffung
  • Datenexploration
  • Datenaufbereitung
  • Training-, Validierungs- und Testsets
  • Modellarchitektur
  • Optimierungsalgorithmen
  • & mehr …
  • Lernratenkonfiguration
  • Batch-Größe
  • GPU-Beschleunigung
  • TensorBoard
  • Modell-Checkpoints
  • Modellbewertung
  • Verlustmetriken
  • Hyperparameteroptimierung
  • & mehr …

Alle Kursthemen

Niemand gibt gerne einfach so Geld für einen Onlinekurs aus, ohne zu wissen, was ihn genau erwartet. Das wissen wir und möchten Ihnen deshalb im folgenden Abschnitt einen Überblick über die Kapitel innerhalb des Kurses geben.

Einführung in PyTorch und Python-Programmierung

Lernen Sie die Grundlagen von Python und PyTorch kennen, zwei mächtigen Werkzeugen, die Ihnen den Einstieg in die Welt des maschinellen Lernens erleichtern.

Datenverarbeitung und -transformation

Entdecken Sie, wie Sie Daten effektiv für maschinelles Lernen vorbereiten, von der Bereinigung bis zur Anwendung fortschrittlicher Transformationstechniken.

Aufbau und Training von Modellen

Tauchen Sie tief in die Architektur neuronaler Netzwerke ein und meistern Sie die Kunst, diese von Grund auf aufzubauen und zu trainieren, um realistische Probleme zu lösen.

Hyperparameteroptimierung

Erfahren Sie, wie Sie die Leistung Ihrer Modelle durch systematische Hyperparameteroptimierung maximieren, um die bestmöglichen Ergebnisse zu erzielen.

Regularisierung und Vermeidung von Überanpassung

Beherrschen Sie die Anwendung von Regularisierungstechniken wie Dropout und L1/L2-Regularisierung, um robuste Modelle zu entwickeln, die gut generalisieren.

Modellbewertung und -feinabstimmung

Vertiefen Sie Ihr Verständnis darüber, wie Sie die Leistung Ihrer Modelle mit Testdaten bewerten und durch Feinabstimmung weiter verbessern können, um präzise Vorhersagen zu ermöglichen.

Kapitel im Kurs

Lesen Sie eine kurze Zusammenfassung von 5 der 42 Kapitel im Kurs.

1. Herzlich willkommen

Zuerst zeigen wir Dir, wie Du das Maximum aus Deinem neuen Kurs herausholst.

2. Code-Editor

Dies ist das Werkzeug eines jeden Webentwicklers. Der Abschnitt zeigt Dir, wie Du einen Code-Editor nutzt, um möglichst effizient Deine erste Website zu programmieren.

3. HTML-Grundlagen

Und schon gehts los! HTML stellt die Basis Deiner Website dar – so, wie das Skelett das Grundgerüst des Menschen darstellt. In diesem Abschnitt lernst Du also die absoluten Grundlagen der Webentwicklung kennen.

4. HTML-Text (Überschriften, Absätze & Co.)

HTML besteht aus einzelnen Elementen, deren Aufbau Du in den HTML-Grundlagen lernst. Überschriften, Absätze usw. sind genau solche Elemente. Wir zeigen Dir in dieser Kurspassage, wie Du einfache Texte in ein HTML-Dokument einsetzt. Du schreibst Deine erste „Hallo Welt“ Datei.

5. HTML-/CSS-Kommentare

Mit Kommentaren ist es Dir möglich, Deinem Code „Notizen“ hinzuzufügen. Diese helfen Dir und anderen Webentwicklern, Deinen Code besser zu verstehen. Dies ist insbesondere wichtig, wenn Du in einem Team arbeitest oder den Code z. B. Deinem Prof. vorzeigen sollst.

6. – 42. Selbst entdecken!

Anderes als im 5. Kapitel hört mein Kommentar jetzt auf.

Schau Dir gerne die kostenlosen Vorschauvideos an – bis gleich, im Kurs.

Jetzt gehts erst richtig los! 😀

Häufige Fragen

  • Deutsch
  • Alle Niveaus
  • 100 % Online
Die Lerninhalte haben eine Gesamtdauer von ca. 4 Stunden / 240 Minuten.
Ja, Ihr gesetzliches Widerrufsrecht beträgt 14 Tage ab Kauf.
Nein, Sie können ohne Vorwissen und ohne eigene Website mit dem Kurs starten.
Ja, sofern nicht anders beim Kauf vereinbart. Eine Anleitung finden Sie im Hilfebereich.

Teilnahmebescheinigung

Sie erhalten mit der Vollendung des Kurses eine elektronische Bescheinigung, welche Ihre Teilnahme bestätigt. Es ist kein Leistungsnachweis erforderlich.

Hinweise gemäß Richtlinie (EU) 2019/2161

  • Es gilt für digitale Produkte und Dienstleistungen das gesetzliche Gewährleistungsrecht.
  • Angaben zu der Funktionalität, Kompatibilität und Interoperabilität finden Sie hier.
  • Der Verkauf unserer Produkte und Leistungen erfolgt durch ein Unternehmen.

Kursinhalte

Alle aufklappen
Einleitung
Einführung in Bilderkennung und KI
Python-Grundlagen für Bilderkennung mit PyTorch
Einführung in PyTorch für Bilderkennung
Datenvorbereitung für das Training
Aufbau eines neuronalen Netzwerks zur Bilderkennung mit PyTorch
Training des Modells mit PyTorch
Evaluierung und Feinabstimmung des Modells
1 von 2

Über den Dozenten / die Dozentin

Gegenfeld Team

Das Team von Gegenfeld engagiert sich für die Veröffentlichung allgemein zugänglicher Bildungsinhalte im Bereich Marketing, E-Commerce und Webentwicklung.

1 Kurs

+13 Neue Teilnehmer
Pro

Kurs beinhaltet:

  • 22 Lektionen
  • 67 Themen
  • Kurs mit Bescheinigung