Künstliche Neurale Netze

Künstliche Neurale Netze (KNNs) haben sich als eine der bedeutendsten Technologien im Bereich des Maschinellen Lernens etabliert. Im Vergleich zu herkömmlichen Modellen zeichnen sie sich durch ihre Fähigkeit aus, beliebig komplexe Muster und Beziehungen in den größten Datensätzen zu erkennen. Während des Workshops werden Sie die grundlegenden Prinzipien und Strukturen von KNNs kennenlernen und die Unterschiede zu anderen Modellen des Maschinellen Lernens verstehen.

In diesem Workshop werden Sie lernen, in welchen Szenarien KNNs besonders effektiv sind und wo ihre Grenzen liegen. Dies ist entscheidend, um die richtigen Entscheidungen bei der Auswahl von Modellen für spezifische Problemstellungen zu treffen. Aufgebaut sind KNNs durch Künstliche Neuronen, sie und ihre Funktionsweise werden Sie tiefgehend verstehen. Sie werden sich intensiv mit verschiedenen Architekturen von Neuronalen Netzen auseinandersetzen, von einfachen Feedforward-Netzen bis hin zu komplexen Netzen wie Convolutional Nets und Transformern.

Darüber hinaus werden wir uns mit verschiedenen Loss-Funktionen befassen, die eine zentrale Rolle beim Training von Neuronalen Netzen spielen. Sie lernen, wie die Gradienten dieser Funktionen das Training eines Modells informieren und Sie werden Stochastic Gradient Descent (SGD) einsetzen, um KNNs in verschiedenen Problemkontexten zu trainieren. Dazu werden Sie die Python Bibliotheken Tensorflow und Keras verwenden, die der Industriestandard zur Entwicklung von KNNs sind. Am Ende des Workshops werden Sie in der Lage sein, Künstliche Neurale Netze effektiv zu nutzen, um komplexe Probleme zu lösen und innovative Lösungen in Ihrem beruflichen Umfeld zu entwickeln.