Deep Learning

Bauen Sie eine starke Grundlage in der künstlichen Intelligenz auf, indem Sie lernen, überwachte und unbeaufsichtigte neuronale Netze mit Python zu entwerfen und zu implementieren.

Meistern Sie die grundlegenden Konzepte der linearen Algebra und Analysis, die das Fundament von Algorithmen des maschinellen Lernens und der Datenwissenschaft bilden.

Lerne, mit TensorFlow Deep-Learning-Modelle zu entwerfen, zu trainieren und zu evaluieren, um mit Python reale Datenherausforderungen zu lösen.

Meistern Sie die Grundlagen neuronaler Netze und erstellen Sie mit TensorFlow Ihre eigenen Deep-Learning-Modelle, um Regressions- und Klassifizierungsprobleme aus der Praxis zu lösen.

Lernen Sie die Grundlagen der Theorie neuronaler Netze kennen und erstellen Sie Ihre eigenen Deep-Learning-Modelle von Grund auf mit Python, NumPy und modernem TensorFlow.

Meistern Sie neuronale Netze und erstellen Sie intelligente Vorhersagemodelle mit Python, TensorFlow und Keras mithilfe klarer, schrittweiser schriftlicher Anleitungen.

Meistern Sie die Grundlagen von PyTorch, um Deep-Learning-Modelle und neuronale Netze für reale Anwendungen im Bereich der künstlichen Intelligenz zu erstellen, zu trainieren und zu optimieren.

Lerne, neuronale Netze mit PyTorch und TensorFlow zu erstellen, zu optimieren und zu trainieren, während du moderne Optimierungs- und Regularisierungstechniken erkundest.

Lernen Sie, Machine-Learning-Modelle direkt im Browser mit JavaScript zu erstellen, zu trainieren und einzusetzen, auch wenn Sie keine Vorkenntnisse im Bereich Data Science haben.

Entmystifizieren Sie künstliche Intelligenz und beherrschen Sie die Kernkonzepte, Arbeitsabläufe und realen Anwendungen des maschinellen Lernens, ohne eine einzige Zeile Code zu schreiben.

Entwickeln und trainieren Sie neuronale Netze und Entscheidungsbaum-Ensembles mit TensorFlow, um komplexe, reale Klassifizierungs- und Regressionsprobleme zu lösen.

Meistern Sie die Kernkonzepte neuronaler Netze und des Deep Learning, um moderne Modelle der künstlichen Intelligenz zu verstehen, zu entwerfen und zu trainieren.

Um die mathematischen Grundlagen von Gradienten, Jacobimatrizen und Optimierung zu beherrschen und sicher zu verstehen, wie Modelle des maschinellen Lernens lernen und sich aktualisieren, ist es wichtig, die mathematischen Grundlagen von Gradienten, Jacobimatrizen und Optimierung zu verstehen.

Lernen Sie, Sequenzdaten aufzubereiten und mithilfe von TensorFlow, rekurrenten neuronalen Netzen und Faltungsnetzen Vorhersagemodelle für reale Prognoseaufgaben zu erstellen.

Meistern Sie die Grundlagen neuronaler Netze und erstellen Sie mithilfe des PyTorch-Frameworks Vorhersagemodelle für tabellarische und Bilddaten.

Schaffen Sie eine solide Grundlage im Bereich des maschinellen Lernens, indem Sie Klassifizierungs-, Regressions- und Deep-Learning-Modelle mit PyTorch für die Analyse realer Daten trainieren.

Lernen Sie, robuste Machine-Learning-Modelle in der Produktion zu entwerfen, einzusetzen und zu überwachen – vom experimentellen Code bis hin zu skalierbaren, realen Systemen.

Verstehen Sie die Grundlagen neuronaler Netze und lernen Sie, wie Sie Ihre ersten Modelle für künstliche Intelligenz von Grund auf trainieren.

Ein anfängerfreundlicher Leitfaden zum Verständnis von Deep-Learning-Konzepten und zum Training Ihrer ersten grundlegenden neuronalen Netze von Grund auf.

Lernen Sie die grundlegenden Techniken zur Optimierung von Hyperparametern, zur Fehlerreduzierung und zum Erstellen hochpräziser Deep-Learning-Modelle.

Erfahren Sie, wie Sie Projekte für künstliche Intelligenz von Grund auf planen, organisieren und beheben.

Verstehen Sie die Kernkonzepte der Künstlichen Intelligenz und lernen Sie, wie Sie Ihre ersten Vorhersagemodelle von Grund auf erstellen.

Lernen Sie die Grundlagen von TensorFlow kennen, um Deep-Learning-Modelle für reale Computer Vision- und Natural Language Processing-Anwendungen zu erstellen, zu trainieren und zu optimieren.

Erstellen, trainieren und implementieren Sie Ihre ersten neuronalen Netze mit TensorFlow, während Sie von der herkömmlichen Softwareentwicklung zur KI-gestützten Programmierung übergehen.