Der große Deep Learning Kurs mit Keras und TensorFlow 2
4.3 (111 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
2,157 students enrolled

Der große Deep Learning Kurs mit Keras und TensorFlow 2

Werde Deep Learning und KI-Experte mit TensorFlow 2 und Keras. Verstehe die Hintergründe und Details mit TensorFlow 1.
Bestseller
4.3 (111 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
2,157 students enrolled
Last updated 7/2020
German
Current price: $135.99 Original price: $194.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 33 hours on-demand video
  • 8 articles
  • 16 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • Verstehen, wie Neuronale Netze funktionieren
  • Baue dein eigenes Neuronales Netzwerk mit Python auf
  • Benutze TensorFlow 2 für Klassifizierungs- und Regressionsaufgaben
  • TensorFlow 2 für die Bildklassifikation mit faltenden neuronalen Netzen (eng. Convolutional Neural Networks) verwenden
  • Wie man TensorFlow 2 für die Zeitreihenanalyse mit wiederkehrenden neuronalen Netzen (eng. Recurrent Neural Networks) verwendet
  • Verwende TensorFlow 2 und Autoencoder zur Lösung von Machine Learning Problemen
  • Reinforcement Learning (verstärkendes Lernen) mit OpenAI Gym
  • Erstellen von Erzeugenden Generischen Netzwerken (eng. Generative Adversarial-Networks) mit TensorFlow 2
  • Werde ein Deep Learning Experte!
  • Nutze die Keras-API, um schnell Modelle zu erstellen, die auf Tensorflow 2 ausgeführt werden
Requirements
  • Programmierkenntnisse (vorzugsweise Python)
  • Grundkenntnisse in Mathematik (Mittelwert, Standardabweichung, etc.)
  • Motivation für das Lernen einer komplexen Materie
Description


Dieser Grundlagenkurs führt dich durch 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 Learning zeigt.


    "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. Convolutional Neural 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. Convolutional Neural 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!


Werde noch heute ein Deep Learning Experte! Wir sehen uns im Kurs!

Who this course is for:
  • Python Programmierer , die die neuesten Deep-Learning-Techniken mit TensorFlow 2 erlernen wollen.
  • Data Scientisten, die die neuesten Deep-Learning-Techniken mit TensorFlow 2 erlernen wollen.
Course content
Expand all 218 lectures 33:01:22
+ Einleitung
5 lectures 09:10

Herzlich Willkommen in diesem Kurs!

In dieser Lektion erhältst du wichtige Hinweise rund um den Kurs! Bitte überspringe diese Lektion nicht, wenn dies dein erster Kurs mit uns ist!

Hinweise zum Kurs
03:04
Kursübersicht
03:29
FAQ - Frequently Asked Questions
00:51
Kursmaterialien
00:55
+ Installation und Setup
4 lectures 20:34
Einrichten der Entwicklungsumgebung
00:19

So kannst du die Jupyter Notebooks, Anaconda und Python auf deinem Computer installieren.

Python und Anaconda Installation
08:30
Jupyter Notebooks
06:36

Installiere alle Python Abhängigkeiten, die du für diesen Kurs brauchst.

Wichtig Kurseinrichtung! Python Pakete mit Jupyter Notebook installieren
05:09
+ Crashkurs NumPy
7 lectures 59:48
NumPy Crashkurs Einführung
02:45
NumPy Crashkurs Array 1
10:07
NumPy Crashkurs Array 2
10:05
NumPy Crashkurs Indizierung
12:35
NumPy Crashklurs Operationen
09:19
NumPy Crashkurs Übungen
02:04
NumPy Crashkurs Lösungen
12:53
+ Crashkurs Pandas
10 lectures 01:38:13
Pandas Crashkurs Einführung
03:08
Pandas - Series
08:57
Pandas - Dataframes Teil 1
13:13
Pandas - Dataframes Teil 2
10:07
Pandas - fehlende Werte
13:01
Pandas - Gruppierungsmethoden
09:51
Pandas - Operationen
17:09
Pandas - Daten In- und Output
08:47
Pandas - Übungen
02:29
Pandas - Lösungen
11:31
+ Crashkurs Datenvisualisierung
6 lectures 47:44
Datenvisualisierung Crashkurs Einführung
01:23
Datenvisualisierung - Matplotlib
10:38
Datenvisualisierung - Seaborn Teil 1
11:15
Datenvisualisierung - Seaborn Teil 2
11:41
Datenvisualisierung - Übungen
02:46
Datenvisualisierung - Lösungen
10:01
+ Crashkurs Machine Learning
6 lectures 47:32
Machine Learning - Einführung
06:03
Machine Learning - Supervised Learning
07:14
Machine Learning - Over- und Underfitting
07:35
Machine Learning - Evaluierungsmethode Klassifizierung
15:03
Machine Learning - Evaluierungsmethode Regression
06:16
Machine Learning - Unsupervised Learning
05:21
+ ANNs - Einführung in Neuronale Netze (artifical neuronal networks)
18 lectures 03:29:23
ANNs - Neuronale Netze verstehen - eine Einführung
02:02
ANNs - Was ist ein Perzeptron?
09:14
ANNs mit Perzeptronen
06:10
ANNs - Aktivierungsfunktionen
09:41
ANNs - Aktivierungsfunktionen für mehrklassige neuronale Netze
09:50
ANNs - Kostenfunktion
14:23
ANNs - Backpropagation
10:45
ANNs mit Tensorflow und Keras
03:58
ANNs - Keras Syntax Teil 1
16:00
ANNs - Keras Syntax Teil 2
12:39
ANNs - Keras Syntax Teil 3
18:56
ANNs - Keras Regressionen Teil 1
20:11
ANNs - Keras Regressionen Teil 2
16:26
ANNs - Keras Regressionen Teil 3
14:01
ANNs - Keras Regressionen Teil 4
12:19
ANNs - Keras Klassifikationen Teil 1
08:54
ANNs - Keras Klassifikationen Teil 2
10:20
ANNs - Keras Klassifikationen Teil 3
13:34
+ ANNs - Keras Projekt
11 lectures 01:43:09
Keras Projekt - Einführung
02:30
Keras Projekt - Aufgabe
05:37
Keras Projekt - Lösung Teil 1
12:26
Keras Projekt - Lösung Teil 2
12:34
Keras Projekt - Lösung Teil 3
14:54
Keras Projekt - Lösung Teil 4
12:28
Keras Projekt - Lösung Teil 5
09:50
Keras Projekt - Lösung Teil 6
10:17
Keras Projekt - Lösung Teil 7
05:14
Keras Projekt - Lösung Teil 8
06:29
Keras Projekt - Lösung Teil 9
10:50