Deep Learning verstehen: Entwickle Neuronale Netze in Python

Schritt für Schritt entwickelst du dein eigenes neuronales Netz bis hin zur Bilderkennung. Komplett am Beispiel!

4.43 (1059 reviews)
Udemy
platform
Deutsch
language
Data Science
category
instructor
10,634
students
10 hours
content
Nov 2023
last update
$19.99
regular price

What you will learn

Du kannst Neuronale Netze eigenständig entwickeln

Du weißt, welche Parameter das Netz wie beeinflussen

Deep Learning selbstbewusst anwenden

Wirklich verstehen, wie Neuronale Netze lernen (Backpropagation)

Description

Dein perfekter Einstieg in Deep Learning: Schreibe dein eigenes Neuronales Netz!

Neuronale Netzte vollbringen unglaubliches - egal ob für Bilderkennung, maschinellen Übersetzungen, oder fürs Vorlesen von Texten.

Aber wie funktionieren sie eigentlich "unter der Haube"? Genau dieses Geheimnis möchte ich in diesem Kurs lüften. In der Programmiersprache Python entwickeln wir Schritt für Schritt ein komplettes neuronales Netz.

Nach Abschluss des Kurses hast du eine vollständige Bilderkennung für Zahlen. Du hast dann ein neuronales Netz, welches zu einem Bild ausgibt, welche Ziffer darauf zu sehen ist (0-9).

Nebenbei hast du die komplette Intuition hinter den neuronalen Netzen verstanden. Du weißt nach diesem Kurs...

  • ... warum Neuronale Netze so mächtig sind
  • ... wie Neuronale Netze Vorhersagen machen
  • ... wie Neuronale Netze lernen
  • ... wie falsche (Hyper-)Parameter dazu führen, dass dein Netz nicht lernt - und was du dagegen tun kannst
  • ... wie du zusätzliche Daten generieren kannst, um die Genauigkeit weiter zu steigern


Content

Einleitung

Einführung
Wichtige Hinweise zu diesem Kurs
Wie ist dieser Kurs aufgebaut?
Kursmaterialien
Installation vom Editor
Bist du bereit?

Lineare Regression

Lineare Regression: Ein einzelnes Neuron
Lineare Regression
Das Gradientenabstiegsverfahren
Das Gradientenabstiegsverfahren (Steigung berechnen)
Review: Theorie Gradientenverfahren
Das Gradientenabstiegsverfahren (im Code)
Das Gradientenabstiegsverfahren (weiter Hinweise)
Aufgabe: Minimum von eigener Funktion finden lassen
Kostenfunktion minimieren
Das Gradientenabstiegsverfahren und die Kostenfunktion
Kostenfunktion minimieren
Berechnungen vektorisieren
Review: Praktische Anwendung des Gradientenverfahrens
Exkurs Intuition: Warum minimieren wir die quadrierten Abstände?
Merkblatt [PDF]: Lineare Regression

Praxisprojekt: Lineare Regression

Preis von Autos vorhersagen
Preis von Autos vorhersagen (Kostenfunktion anpassen)
Exkurs: Partielle Ableitung
Mehrere Parameter optimieren
Warum müssen wir unsere Daten skalieren?
Wie machen wir die Skalierung rückgängig?
Abschlusstest Praxisprojekt
Wie geht es weiter?: Erstelle noch weitere Modelle
Merkblatt [PDF]: Praxisprojekt Lineare Regression

Logistische Regression

Warum brauchen wir eine Aktivierungsfunktion?
Vorstellung: Die Sigmoid-Funktion
Wie interpretieren wir die Ergebnisse der Sigmoid-Funktion?
Wie können wir die Kurse der Sigmoid-Funktion beeinflussen?
Logistische Regression am Beispiel (Teil 1)
Logistische Regression am Beispiel (Teil 2)
Review: Logistische Regression Basics
Logistische Regression: Unsere Kostenfunktion (Teil 1)
Logistische Regression: Unsere Kostenfunktion (Teil 2)
[Optional]: Weiterführende Links
Merkblatt [PDF]: Logistische Regression

Logistische Regression mit mehreren Parametern

Intuition: Ein AND lernen
Mehrere Parameter (Teil 1)
Mehrere Parameter (Teil 2)
Gewichte als Liste übergeben (Teil 1)
Gewichte als Liste übergeben (Teil 2)
Gewichte als Liste übergeben (Teil 3)
Review: Logistische Regression mit mehreren Parametern
Merkblatt [PDF]: Logistische Regression mit mehreren Parametern

Exkurs: Rechnen mit Matrizen

Warum brauchen wir Matrizen?
Matrizen in Python (Teil 1)
Matrizen in Python (Teil 2)
Matrix transponieren (Intuition)
Matrix transponieren (in Python)
Matrizenmultiplikation (Intuition)
Matrizenmultiplikation (Python)
Matrix und Vektor (Python)
Review: Rechnen mit Matrizen
Achtung: In Numpy sind Matrizen typisiert
Merkblatt [PDF]: Rechnen mit Matrizen

Logistische Regression mit Matrizen

Logistische Regression vektorisieren (Teil 1)
Logistische Regression vektorisieren (Teil 2)
Kostenfunktion vektorisieren
Aufgabe: Berechne verschiedene Ausdrücke
Musterlösung: Berechne verschiedene Ausdrücke
Warum kann die Logistische Regression nicht alle Probleme lösen?
Merkblatt [PDF]: Logistische Regression mit Matritzen

Logistische Regression: MNIST

Vorstellung der MNIST-Daten
Logistische Regression + MNIST
Genauigkeit berechnen (Teil 1)
Genauigkeit berechnen (Teil 2)
Merkblatt [PDF]: Logistische Regression, MNIST

Mehrere Modelle gleichzeitig trainieren

Multiclass Logistic Regression
One-Hot-Encoding (Numpy)
One-Hot-Encoding (Pandas, optional)
Wichtige Vorbereitung: Broadcasting von Operatoren
Vorbereitung: Mehrere Modelle gleichzeitig trainieren
Review: Multiclass Logistic Regression (Theorie)
Exkurs (optional, mathematisch): Steigungs-Funktion Schritt für Schritt anpassen
Multiclass Logistic Regression (Teil 1)
Multiclass Logistic Regression (Teil 2)
Multiclass Logistic Regression (Teil 3)
Multiclass Logistic Regression (Teil 4)
Vorstellung: Objektorientierte Schreibweise
Vorstellung / optional: Objektorientierte Schreibweise ausführlicher erklärt
Merkblatt [PDF]: Multiclass Logistic Regression

Unser erstes Neuronales Netz

Wie ist ein Neuronales Netz aufgebaut?
Wie machen wir mit einem Neuronen Netz eine Vorhersage?
Intuition: Unsere Kostenfunktion
Review: Unser erstes Neuronales Netz
Unsere Kostenfunktion (in Code)
Intuition: Gewichte aktualisieren
Gewichte aktualisieren (Teil 1)
Gewichte aktualisieren (Teil 2)
Merkblatt [PDF]: Neuronales Netz

Unser Neuronales Netz lernt: Backpropagation

Intuition: Backpropagation
Intuition: Backpropagation als Matrixmultiplikation
Intuition: Initialisierung der Gewichte
Neuronales Netz erstellen und trainieren
Review: Backpropagation
Intuition: Stochastic Gradient Descent - damit lernt unser Netz!
Stochastic Gradient Descent - damit lernt unser Netz!
Merkblatt [PDF]: Neuronales Netz und Backpropagation

So optimierst du dein Neuronales Netz

Was können wir alles optimieren?
Lernkurve plotten
Lernrate optimieren
Größe optimieren
Review: Theorie Optimierung
Zusätzliche Daten generieren
Exkurs: Numpy (pad und roll)
Numpy: Zusätzliche Daten generieren
Neuronales Netz: Zusätzliche Daten generieren
Gewichte abspeichern
Merkblatt [PDF]: Neuronales Netz optimieren

Genauigkeit besser beurteilen: Confusion Matrix

Intuition: Warum reicht Genauigkeit nicht immer aus?
Intuition: Fehlertypen
Hinweise zur Installation von pandas_ml
Confusion-Matrix + Neuronales Netz
Fehler vom Neuronalen Netz visualisieren
Merkblatt [PDF]: Confusion Matrix

Bias vs. Varianz

Intuition: Trainings- vs. Testerror
Intuition: Bias vs. Varianz
Vergleich: Was bedeutet hoher Bias bzw. hohe Varianz?
Underfitting oder Overfitting?
Intuition: Brauchen wir mehr Daten?
Intuition: Lernkurve
Neuronales Netz: Brauchen wir mehr Daten?
Review: Bias vs Varianz
Merkblatt [PDF]: Bias vs. Varianz

Schluss

Schluss

Screenshots

Deep Learning verstehen: Entwickle Neuronale Netze in Python - Screenshot_01Deep Learning verstehen: Entwickle Neuronale Netze in Python - Screenshot_02Deep Learning verstehen: Entwickle Neuronale Netze in Python - Screenshot_03Deep Learning verstehen: Entwickle Neuronale Netze in Python - Screenshot_04

Reviews

Matthias
November 12, 2023
Prima Background und nicht nur die formale Anwendung von Framworks, wobei es nie zuuu tief reingeht. Kann ich nur weiterempfehlen.
Max
July 31, 2023
Guter Kurs, auch die "nachgelagerten" Themen wie Confusion Matrix, Bias vs Varianz sind wirklich sehr gut erklärt worden - tatsächlich fand ich gerade diese beiden Kapitel mit am besten, weil sie das Thema noch mal abrunden bzw. vertiefen.
Sail
April 12, 2023
Ein toller Kurs, mit einem tollen Dozenten. Jannis macht das wirklich prima, selbst schwierige und komplexe Inhalte einfach erklärend so darzulegen, dass ein breites Verständnis erzeugt wird. Jedenfalls bei mir... Aber das ist man ja von ihm gewohnt. Ich oute mich hier also als Wiederholungstäter, was ja an sich schon Bewertung genug ist.
Andreas
February 8, 2023
Toller Kurs Jannis! Durch dich habe ich schon python, php, html und mysql gelernt und gerade sicherlich in meiner Aufzählung einige vergessen! Dieses mal hast du mir innerhalb von zwei Tagen neuronale Netzwerke beigebracht, sodass ich jetzt glaube es wirklich verstanden zu haben! Cool, dass du uns den Code direkt zu Verfügung stellst. Mir wäre ein wenig mehr selbstständiges coden lieber gewesen, wie du das in deinen anderen Kursen mit Aufgabe/Lösungsvideos handhabst. Trotzdem hast du bei mir das Ziel des Kurses erreicht und ich freue mich auf den nächsten!!!
Roman
December 18, 2022
Der Kurs hat alle Themen durch intuitive und mathematische Lektionen sowohl intuitiv als auch mathematisch fundiert vermittelt, was ich äußerst zu schätzen weiß. Einzig und alleine die Praxisaufgaben kamen für mich ein wenig zu kurz, da hätte der Dozent beispielsweise nach einer Intuition die Möglichkeit bieten können, zuerst selber einmal zu versuchen, das Gelernte in die Praxis umzusetzen und in Python zu implementieren (Zwar hätte man das aus eigenen Stücken auch machen können, für mich persönlich passt es aber besser, wenn mir der Dozent klare Abschnitte dafür zuteilt). Trotz dieses einen Mankos jedoch ein sehr empfehlenswerter Kurs, für mich sind Neuronale Netze jetzt, wie versprochen, keine Black Box mehr!
Nico
October 19, 2022
Jannis schafft mit seinem Kurs "Deep Learning verstehen: Entwickle Neuronale Netze in Python" eine echt wertvolle Rarität unter allen ML Kursen. Die Mathematik hinter der Thematik verstehen zu versuchen ist eine echte Herausforderung und bleibt auch nach dem Kurs selbstverständlich eine. Dennoch schafft dieser Kurs ein solides Fundament, seine individuelle Reise zu starten.
Manfred
October 11, 2022
Einfach Janis.....! Fantastisch erklärt und gut verständlich. Manchmal schon etwas zu ausführlich und langatmig. Bestnote!
Frank
August 24, 2022
I could imagine a lot of mechanics (cost function, XOR problem for logistic Regressionetc) inside a NN which i could partly adopt to my solution (convnet.js). I got a better understanding how a NN learns.
Marlene
June 12, 2022
Ich fand den Kurs super um auch die Hintergründe, also wirklich die Mathematik hinter NN zu verstehen. Alles super erklärt und verständlich! :)
Mario
March 9, 2022
Ich habe bereits mehrere ML Kurse bei Udemy belegt. Dieser hier von Jannis ist der Beste! Für ein sehr gutes Verständnis macht es trotzdem Sinn, unterschiedliche Kurse zu belegen, da jeder Kurs verschiedene Aspekte aus einer anderen Perspektive beleuchtet.
Thomas
January 23, 2022
Das Thema neuronale Netze wird umfassend erläutert. Beginnend bei der grundlegenden Theorie bis zur Optimierung und Fehlersuche. Die mathematischen und programmiertechnischen Hintergründe werden ausführlich erläutert. Sehr guter Kurs!
Markus
November 4, 2021
Trägt sehr zum Verständnis bei. Im Einzelnen ist alles gut erklärt und nachvollziehbar. In Summe den Überblick zu behalten ist m.E. aber nicht gänzlich ohne Anspruch.
Marc
October 3, 2021
Eine Spitzenidee, das ganze unabhängig von einem Tool/Framework wie Tensorflow zu erklären. Ich hatte zuerst das andere Videotutorial von Jannis angesehen (DL, Keras). Für mich blieben da einige Blackboxes, die aber hier ausgeleuchtet werden. Für mich persönlich kann ich aber sagen, dass diese Reihenfolge - erst das Keras-Tutorial - vorzuziehen ist. Der Einstieg hier geht kaum auf den grundsätzlichen Aufbau eines NN ein. Wenn man das nicht weiß, fehlt etwas die Querverbindung zwischen den mathematischen Erläuterungen und der Frage, an welcher Stelle einer späteren NN-Berechnung das dann relevant ist. Ich bin da vermutlich keine Ausnahme, dass ich parallel zum Lernstoff versuche, das schon zuzuordnen.
Thomas
October 24, 2020
der Kurs ist super sehr umfangreich. für mich selber weis ich noch nicht sicher das kann ich am ende sagen aber Mathe war noch nie meins und ich hab nen Computer der kann das viel besser als ich :) Alles in allem ich genieße den kurs
Isabelle
December 17, 2018
Dank einer sehr guten Didaktik ist der Kurs sehr einfach zu verstehen. Die schriftlichen Zusammenfassungen an Ende jedes Abschnittes sind sehr hilfreich, um manche Punkte schnell nachzuschlagen. Herzlichen Dank für den tollen Kurs!:-)

Coupons

DateDiscountStatus
11/17/202350% OFF
expired

Charts

Price

Deep Learning verstehen: Entwickle Neuronale Netze in Python - Price chart

Rating

Deep Learning verstehen: Entwickle Neuronale Netze in Python - Ratings chart

Enrollment distribution

Deep Learning verstehen: Entwickle Neuronale Netze in Python - Distribution chart

Related Topics

1528850
udemy ID
1/27/2018
course created date
11/1/2019
course indexed date
Bot
course submited by