Dieser Grundlagenkurs führt dichdurch den Einsatz des Keras und TensorFlow 2-Frameworks von Google, um künstliche neuronale Netzwerke für Deep Learning zu erstellen.Ziel dieses Kurses ist es, dir einen leicht verständlichen Leitfaden über die Komplexität des TensorFlow-Frameworks von Google zu geben. Dennoch sollte dir die Komplexität dieses Themas bewusst sein. Andere Kurse und Tutorials tendieren dazu, sich von reinem TensorFlow fernzuhalten und stattdessen Abstraktionen zu verwenden, die dem Teilnehmer wenig tatsächliches Handwerkszeug mit auf den Weg geben. Hier stellen wir dir einen Kurs vor, der dir schließlich als vollständige Anleitung zur bestimmungsgemäßen Verwendung des TensorFlow-Frameworks dient und dir die neuesten Techniken des Deep Learningzeigt.

"War ein toller Kurs und konnte mir durch diesen Kurs ein Verständnis über Neuronale Netzwerke verschaffen! Der Kurs ist sehr gut aufgebaut und strukturiert. Zunächst wird die Theorie erklärt, darauf folgt ein Bespiel und schließlich eine Übungsaufgabe... Besonders toll finde ich, dass auch die Folien entahlten sind!" (★★★★★ S. Tatzreiter)

Dieser Kurs besteht aus zwei Teilen, das heisst du bekommst 2 Kurse für 1.

-----------------------------------

Teil 1: Keras und Tensorflow 2

-----------------------------------

Wir konzentrieren uns darauf, die neuesten Updates für TensorFlow 2 zu verstehen und die Keras-API (die offizielle API von TensorFlow 2.0) zu nutzen, um schnell und einfach Modelle zu erstellen. In diesem Kurs werden wir Modelle erstellen, um zukünftige Preisimmobilien vorherzusagen, medizinische Bilder zu klassifizieren, zukünftige Verkaufsdaten vorherzusagen, künstlich vollständigen neuen Text zu generieren und vieles mehr!

Keras, ein benutzerfreundlicher API-Standard für maschinelles Lernen, wird die zentrale API auf hoher Ebene sein, die zum Erstellen und Trainieren von Modellen verwendet wird. Die Keras-API erleichtert den Einstieg in TensorFlow 2. Wichtig ist, dass Keras mehrere modellbildende APIs (sequentiell, funktional und Unterklassen) bereitstellt, damit Sie die richtige Abstraktionsebene für Ihr Projekt auswählen können. Die Implementierung von TensorFlow enthält Verbesserungen, einschließlich der eifrigen Ausführung für die sofortige Iteration und des intuitiven Debuggens sowie tf.data zum Erstellen skalierbarer Eingabe-Pipelines.

Dieser Teil des Kurses deckt eine Vielzahl von Themen ab, darunter

• NumPy Crashkurs

• Pandas Datenanalyse Crashkurs

• Daten Visualisierungs Crashkurs

• Grundlagen der Neuronalen Netze

• TensorFlow 2 Grundlagen

• Keras Grundlagen

• Künstliche Neuronale Netzwerke (engl. Artificial Neural Networks)

• Dicht verbundene Netzwerke (eng. Densely Connected Networks)

• Faltungsneuronale Netze (eng. ConvolutionalNeural Networks)

• Wiederkehrende Neuronale Netzwerke(eng. Recurrent Neural Networks)

• AutoEncoders

• GANs - Generative Adversarial Networks

• Ausrollen von TensorFlow 2 in die Produktion

• and much more!

-----------------------------------------

Teil 2: TensorFlow 1 (mit Details)

-----------------------------------------

Dieser Teil des Kurses hilft dir die Hintergründe in TensorFlow zu verstehen. Der 1. Teil des Kurses hat dir gezeigt wie du schnell und einfach mit Keras Analysen machen kannst. Wenn es dich interessiert was sich hinter der Abstraktion des Keras Frameworks verbirgt und wie TensorFlow im Detail funktioniert, dann ist dieser Teil genau richtig für dich.

Dieser Teil des Kurses deckt eine Vielzahl von Themen ab, darunter

• Grundlagen des Neuronalen Netzes

• TensorFlow Grundlagen

• Künstliche Neuronale Netzwerke

• Dicht verbundene Netzwerke (eng. Densely Connected Networks)

• Faltungsneuronale Netze (eng. ConvolutionalNeural Networks)

• Wiederkehrende Neuronale Netzwerke(eng. Recurrent Neural Networks)

• AutoEncoder

• Reinforcement Learning

• OpenAI Gym

• und vieles mehr!

  
  

-----------------------------------------

Es gibt viele Deep Learning Frameworks, warum also TensorFlow?

TensorFlow ist eine Open-Source-Softwarebibliothek zur numerischen Berechnung mit Datenflussgraphen. Knoten in einem Graphen stellen mathematische Operationen dar, während die Graphenkanten die zwischen ihnen kommunizierten multidimensionalen Datenarrays (Tensoren) darstellen. Die flexible Architektur ermöglicht die Bereitstellung von Berechnungen auf einer oder mehreren CPUs oder GPUs in einem Desktop, Server oder mobilen Gerät mit einer einzigen API. TensorFlow wurde ursprünglich von Forschern und Ingenieuren entwickelt, die im Google Brain Team innerhalb der Machine Intelligence Forschungsorganisation von Google arbeiten, um maschinelles Lernen und Forschung an tiefen neuronalen Netzen durchzuführen, aber das System ist allgemein genug, um auch in einer Vielzahl anderer Bereiche einsetzbar zu sein.

Es wird von großen Unternehmen auf der ganzen Welt verwendet, darunter Airbnb, Ebay, Dropbox, Snapchat, Twitter, Uber, SAP, Qualcomm, IBM, Intel und natürlich Google!

Du erhältst lebenslangen Zugang zu allen Lektionen und den passenden Notebooks zu den Lektionen!

Zusätzlich bietet dir dieser Kurs eine 30-tägige Geld-zurück-Garantie. Wenn du in irgendeiner Weise nicht zufrieden sein solltest, erhältst du dein Geld zurück. Und du darfst alle Notebooks als Dankeschön für das Ausprobieren dieses Kurses behalten!

Werdenoch heute ein Deep Learning Experte! Wir sehen uns im Kurs!