Die Weiterbildung „Datenwissenschaftler: Deep Learning und neuronale Netze“ richtet sich an Fachkräfte im Bereich Data Science und Machine Learning, die ihre Kenntnisse im Deep Learning und der Entwicklung neuronaler Netze vertiefen möchten. Ziel der Maßnahme ist es, den Teilnehmenden zu vermitteln, wie sie neuronale Netze für die Modellierung komplexer Daten verwenden können.

Modul 1: Einführung in Deep Learning und neuronale Netze

• Grundlagen von Deep Learning und neuronalen Netzen

• Aufbau und Funktionsweise eines künstlichen neuronalen Netzes

• Mathematische Grundlagen: Backpropagation und Aktivierungsfunktionen

Modul 2: Modellierung mit Deep Learning

• Einsatz von Convolutional Neural Networks (CNN) für Bildverarbeitung

• Recurrent Neural Networks (RNN) und Long Short-Term Memory (LSTM) für Zeitreihendaten

• Training und Validierung von Deep Learning-Modellen

Modul 3: Optimierung und Anwendungsfälle

• Hyperparameter-Tuning und Regularisierung für Deep Learning-Modelle

• Anwendungsbeispiele aus der Bild- und Sprachverarbeitung

• Implementierung von Deep Learning-Modellen in Python mit TensorFlow und Keras

Nach Abschluss der Weiterbildung sind die Teilnehmenden in der Lage, neuronale Netze und Deep Learning-Modelle zu entwickeln und anzuwenden, um komplexe Daten zu analysieren und neue Vorhersagen zu generieren.