Universität · Informatik · 5. Semester – Vertiefung und Spezialisierung
Neuronale Netze und Deep Learning: Backpropagation, CNN und RNN
4 Abschnitte1 Karteikarten-Decks1 Quizze
Biologisches Vorbild und künstliche Neuronen: Perceptron, Aktivierungsfunktionen (ReLU, Sigmoid, Softmax). Feedforward-Netze: Backpropagation, Gradient Descent (SGD, Adam). Convolutional Neural Networks (CNN): Faltung, Pooling, Architekturen (ResNet, VGG). Recurrent Neural Networks (RNN): LSTM, GRU. Transfer Learning und Pretrained Models.
Inhaltsübersicht
- Künstliche Neuronen und Aktivierungsfunktionen
- Backpropagation und Optimierungsverfahren
- Convolutional Neural Networks: Faltung, Pooling und Architekturen
- Recurrent Neural Networks, Transfer Learning und praktische Aspekte
📚 Vollständiges Lernmaterial mit 4 Abschnitten, Karteikarten und Quizzen verfügbar nach Anmeldung.
Jetzt kostenlos lernen →Verwandte Themen
- Grundlagen der Künstlichen Intelligenz: Geschichte, Paradigmen und Agenten
- Suchverfahren und Optimierung: BFS, DFS, A* und heuristische Suche
- Wissensrepräsentation und logisches Schließen: Prädikatenlogik und Ontologien
- Überwachtes Lernen: Regression, Klassifikation und Modellbewertung
- Unüberwachtes Lernen und Dimensionsreduktion: Clustering und PCA
- Aktuelle Entwicklungen: Transformer, Large Language Models und KI-Ethik
Interaktiv lernen mit Karteikarten & Quizzen
Melde dich an und lerne Künstliche Intelligenz und Maschinelles Lernen mit intelligenten Wiederholungen, Quizzen und KI-Lernhilfen. 7 Tage kostenlos.
Kostenlos testen