Materias:

Tabla de Contenidos: “…-- Grundlagen -- Erste Schritte -- Die Programmierumgebung einrichten -- Python auf verschiedenen Betriebssystemen -- Das Hello-World-Programm ausführen -- Fehlersuche -- Python-Programme im Terminal ausführen -- Zusammenfassung -- Variablen und einfache Datentypen -- Was bei der Ausführung von hello_world.py wirklich geschieht -- Variablen -- Strings -- Zahlen -- Kommentare -- The Zen of Python -- Zusammenfassung -- Eine Einführung in Listen -- Was sind Listen? …”

Tabla de Contenidos: “…Ein Regressions-MLP mit der Sequential API erstellen -- Komplexe Modelle mit der Functional API bauen -- Dynamische Modelle mit der Subclassing API bauen -- Ein Modell sichern und wiederherstellen -- Callbacks -- TensorBoard zur Visualisierung verwenden -- Feinabstimmung der Hyperparameter eines neuronalen Netzes -- Anzahl verborgener Schichten -- Anzahl Neuronen pro verborgene Schicht -- Lernrate, Batchgröße und andere Hyperparameter -- Übungen -- Kapitel 11: Trainieren von Deep-Learning-Netzen -- Das Problem schwindender/explodierender Gradienten -- Initialisierung nach Glorot und He -- Nicht sättigende Aktivierungsfunktionen -- Batchnormalisierung -- Gradient Clipping -- Wiederverwenden vortrainierter Schichten -- Transfer Learning mit Keras -- Unüberwachtes Vortrainieren -- Vortrainieren anhand einer Hilfsaufgabe -- Schnellere Optimierer -- Momentum Optimization -- Beschleunigter Gradient nach Nesterov -- AdaGrad -- RMSProp -- Adam-Optimierung -- Scheduling der Lernrate -- Vermeiden von Overfitting durch Regularisierung -- l1- und l2-Regularisierung -- Drop-out -- Monte-Carlo-(MC-)-Drop-out -- Max-Norm-Regularisierung -- Zusammenfassung und praktische Tipps -- Übungen -- Kapitel 12: Eigene Modelle und Training mit TensorFlow -- Ein kurzer Überblick über TensorFlow -- TensorFlow wie NumPy einsetzen -- Tensoren und Operationen -- Tensoren und NumPy -- Typumwandlung -- Variablen -- Andere Datenstrukturen -- Modelle und Trainingsalgorithmen anpassen -- Eigene Verlustfunktion -- Modelle mit eigenen Komponenten sichern und laden -- Eigene Aktivierungsfunktionen, Initialisierer, Regularisierer und Constraints -- Eigene Metriken -- Eigene Schichten -- Eigene Modelle -- Verlustfunktionen und Metriken auf Modell-Interna basieren lassen -- Gradienten per Autodiff berechnen -- Eigene Trainingsschleifen -- Funktionen und Graphen in TensorFlow…”