Neuronale Netze verstehen und anwenden
Von den Grundlagen bis zur Umsetzung eigener Architekturen. Lernen Sie, wie neuronale Netze funktionieren und wie Sie sie für konkrete Probleme einsetzen.
Jetzt anfragen
Wie der Kurs abläuft
Das Programm ist in vier Phasen gegliedert. Jede Phase baut auf der vorherigen auf und bringt Sie schrittweise näher an die praktische Umsetzung eigener Modelle. Sie arbeiten mit echten Datensätzen und implementieren Architekturen selbst.
Grundlagen
Sie lernen, wie Neuronen und Layer funktionieren. Wir bauen ein einfaches Netz von Hand, damit Sie die Mechanik verstehen.
Architekturen
Convolutional Networks, Recurrent Networks und Attention-Mechanismen. Sie sehen, wofür jede Architektur geeignet ist.
Training
Optimierer, Regularisierung und Hyperparameter-Tuning. Sie trainieren Modelle und lernen, typische Probleme zu lösen.
Projekt
Sie setzen ein eigenes Projekt um – von der Datenvorbereitung bis zum funktionierenden Modell. Mit Feedback und Support.
Was Sie lernen
Der Kurs deckt alles ab, was Sie brauchen, um neuronale Netze zu verstehen und selbst zu bauen. Von der Theorie bis zur Implementierung.
Jedes Modul enthält Übungen, die Sie direkt umsetzen. Sie schreiben Code, trainieren Modelle und analysieren Ergebnisse.
Feedforward Networks
Aufbau und Training von mehrschichtigen Netzen. Backpropagation im Detail.
Convolutional Neural Networks
Filter, Pooling und Feature Maps. Anwendung auf Bildverarbeitung.
Recurrent Networks & LSTMs
Sequenzen verarbeiten. Zeitreihen und Sprachdaten modellieren.
Attention & Transformer
Moderne Architekturen verstehen. Self-Attention und Encoder-Decoder-Strukturen.
Optimierung & Regularisierung
Adam, RMSprop und Momentum. Dropout, Batch Normalization und Early Stopping.
Transfer Learning
Vortrainierte Modelle nutzen und anpassen. Fine-Tuning für eigene Daten.
Praktische Frameworks
PyTorch und TensorFlow. Modelle bauen, trainieren und speichern.
Debugging & Evaluation
Typische Fehler finden. Metriken interpretieren und Modelle verbessern.
Ihre Trainer
Mit wem Sie arbeiten
Lennart Viklund
Deep Learning Engineer
Hat fünf Jahre an Computer-Vision-Systemen gearbeitet und mehrere Architekturen von Grund auf implementiert. Spezialisiert auf CNNs und Object Detection.
Dimitri Kovalenko
ML Research Specialist
Forscht seit vier Jahren an Transformer-Architekturen und deren Anwendung in NLP. Erklärt komplexe Konzepte klar und praxisnah.
Bereit anzufangen?
Der nächste Kurs startet in drei Wochen. Plätze sind begrenzt, weil wir mit kleinen Gruppen arbeiten und jeder Teilnehmer individuelles Feedback bekommt.