Online-Videokurs · Udemy
PyTorch - 6 Neuronale Netze einfach in Python erstellen
Auf einen Blick
- Anbieter
- Udemy (Kurs-Marktplatz)
- Format
- Online-Videokurs, Start jederzeit
- Sprache
- Deutsch
- Abschluss
- Teilnahmebescheinigung (Udemy)
- Preis
- tagesaktuell bei Udemy – die Preise dort wechseln durch Rabattaktionen stark
- Fachbereich
- Daten & KI
- Thema
- Data Science & Machine Learning
Affiliate-Link (Werbung)
Kursbeschreibung
Beschreibung des Anbieters (Udemy-Kursseite) – redaktionell ungeprüft.
In diesem Kurs wird der Teilnehmer lernen, leicht und effizient neuronale Netze in Python zu programmieren, sowie sie auf der Grafikkarte trainieren zu lassen. Diese Methodik wird anhand von 6 sehr unterschiedlichen Beispielen erklärt, welche die verbreitetsten Netzarten abdecken: Einfache Feed-Forward NetzeHandschrifterkennung und Bilderkennung mit Convolutional NetzenNamenserkennung mit rekurrenten NetzenPasswortgenerierung mit rekurrenten NetzenReinforcement Learning für Spiele Vorkenntnisse in Python und der Theorie von neuronalen Netzen sind vorausgesetzt. Letzteres umfasst die Funktionsweise, wie etwa Convolution arbeitet, was Pooling Layer sind oder wie der Softmax funktioniert.
Gut zu wissen
Udemy ist ein Kurs-Marktplatz: Die Kurse kommen von unabhängigen Trainer:innen mit eigenem Stil und eigener Praxis. Ob beides zu dir passt, zeigt die Kursseite bei Udemy am besten selbst – im Vorschau-Video, in den Bewertungen und in den Fragen der Teilnehmenden. Zum Abschluss gibt es eine Teilnahmebescheinigung. Wer lieber betreut lernt – mit Fernlehrer, Einsendeaufgaben und Zeugnis, bis hin zu IHK- oder Hochschulabschlüssen – findet im Fernstudium-Verzeichnis staatlich zugelassene Fernkurse und Studiengänge.
Ähnliche Kurse
- R-Analyst - Lerne die statistische Programmiersprache R
- R Basics - Programmierung, Datenanalyse und Regression
- R Crashkurs - Einstieg in R Sprache & RStudio für Anfänger
- R für Data Science, Visualisierung und Machine Learning
- R komplett: Data Science, Machine Learning & Neuronale Netze
- Effizientes Reporting und Forschen durch R Markdown
