-
Die teilnehmende Person (TN) hat Kenntnisse in Python (Seminar Python Grundlagen)
-
Sie kann ein Python Skript öffnen, editieren und in Spyder oder Jupyter Notebook ausführen
-
Sie kann Daten von der Festplatte mit Python einlesen (pandas)
-
Sie kennt normalverteilte Zufallsvariablen und weiss, was eine Varianz/Standardabweichung und ein Erwartungswert ist
-
Sie hat am Seminar "Python - Spezialisierung: Künstliche Intelligenz 1 - Maschinelles Lernen in der Praxis" o.ä. teilgenommen und kann bereits mit PyTorch umgehen (Beherrschung von Tensoren, Netzarchitekturen, Hyperparametern)
Hier sind Sie richtig, wenn Sie ...
-
die mit Python Deep Learning in Form von Convolutional Neural Networks (CNN) umsetzen wollen, um Bilder / Fotos zu erkennen und weiter zu verarbeiten
-
die damit Texte maschinell sinnvoll einlesen und verarbeiten wollen (Texte kategorisieren, analysieren bis hin zur Corpus Analyse, Sentiments erkennen, Kodierungstechniken auf dem Weg zu ChatPGT nachvollziehen)
Sie ...
-
lernen den theoretischen Hintergrund der genannten Methoden soweit notwendig kennen
-
können praktische Probleme mit Hilfe der genannten Python Pakete lösen und Prototypen entwickeln
-
können konkret: Multi-Layer-Perceptrons, isnbes. CNN, trainieren und danach ausrollen
-
Das KNN in Form des Convolutional Neural Networks (CNN)
-
Praktische Übungsfälle: Fotos sortieren können; Vorhersagen, ob Filmkritiken negativ oder positiv sind; Texte auf verschiedene Weisen zu Vektoren machen - je nach Zweck
-
Vergleich der Methoden
-
Ausleuchtung der Fallstricke (u.a. Over/Underfitting)
-
Ethische Konsequenzen