Kapitel 1: Einleitung des Kurses
  • Einleitung in den Kurs
  • Vorwort zu der Installation
  • Informationen zu der Software
  • Windows: Installation von Anaconda
  • Linux: Installation von Anaconda
  • Mac: Installation von Anaconda
  • Einrichtung von Anaconda und der Pakete
  • Optional: Einrichtung der GPU Software für TensorFlow
  • Installation und Einrichtung von VS Code
  • Die ersten Schritte mit VS Code
  • Handbuch des Kurses
  • Kursmaterialien
Kapitel 2 : Grundlagen in Python Programmierung
  • Vorwort zu der Python Programmierung
  • Variablen und Rechenoperationen
  • Abfragen und Logik
  • Listen
  • For- und While Schleife
  • Listen Iteration, Enumerate und zip Funktion
  • Dictionaries
  • Einführung in die Python Programmierung
  • Funktionen
  • Eigene Module
  • Numpy
  • Matplotlib
  • Einführung in die Python Programmierung
  • Vorwort zu den Programmierübungen
  • Einstieg in die Python Programmierung
  • Musterlösung: Einstieg in die Python Programmierung
  • List Comprehensions und Mehrdimensionale Listen
  • Listen: Index und Slices
  • Weiteres zu Numpy
  • Klassen
Kapitel 3: Deep Learning Grundlagen
  • Was ist das Machine Learning
  • Was ist das Supervised Learning
  • Supervised Learning Intuition
  • Machine Learning
  • Was sind Neuronale Netzwerke
  • Wie sind Neuronale Netzwerke aufgebaut
  • Neuronale Netzwerke Intuition - Teil 1
  • Wie lernt das Neuronale Netzwerk
  • Neuronale Netzwerke Intuition - Teil 2
  • Neuronale Netzwerke
  • Der MNIST Datensatz
  • Der Aufbau des Deep Neural Networks
  • Deep Neural Network - Programmieren
  • Das Deep Neural Network erweitern
  • Musterlösung: Das Deep Neural Network erweitern
  • Was sind Convolutional Neural Networks
  • Parameter von Conv und Pooling Layern
  • Conv Neural Netwrok - Programmieren
  • Conv Neural Network - Optimierung
  • DNN und CNN Eigenschaften
Kapitel 4: Generative Adversarial Networks - Theorie
  • Generative vs. Discriminative Algorithmen
  • Der Allgemeine GAN Aufbau
  • GAN im Kontext der Spieltheorie
  • Das Generator und Discriminator Netzwerk
  • Der Ablauf eines GAN
  • GAN Theorie
Kapitel 5-1: Generative Adversarial Networks (GAN)
  • Aufbau des GAN
  • Wichtig: Umstieg auf TensorFlow 2
  • Vorbereitung des GAN
  • Das Generator Netzwerk (GAN)
  • Das Discriminator Netzwerk (GAN)
  • Initialisierung des GAN
  • Zusatz: Input der Netzwerke und der Ablauf
  • Fertigstellung des GAN - Teil 1
  • Fertigstellung des GAN - Teil 2
  • Auswertung des GAN
  • GAN
Kapitel 5-2: Deep Convolutional Generative Adversarial Network (DCGAN)
  • Aufbau eines DCGAN
  • Vorbereitung des DCGAN
  • Das Generator Netzwerk (DCGAN)
  • Zusatz: UpSampling und TransposeConvolution erklärt
  • Das Discriminator Netzwerk (DCGAN)
  • Fertigstellung des DCGAN
  • Auswertung des DCGAN vs. GAN
  • Der CIFAR-10 Datensatz
  • CNN mit dem CIFAR10 Datensatz
  • Musterlösung: CNN mit dem CIFAR10 Datensatz
  • DCGAN mit dem CIFAR-10 Datensatz
  • Auswertung des DCGAN mit dem CIFAR10 Datensatz
  • DCGAN
Kapitel 5 - 3: Conditional Generative Adversarial Network (CGAN)
  • Aufbau eines CGAN
  • Vorbereitung des CGAN
  • Das Generator Netzwerk (CGAN)
  • Das Discriminator Netzwerk (CGAN)
  • Fertigstellung des CGAN
  • Auswertung des CGAN
  • CGAN
Kapitel 5 - 4: Weiteres zu GAN Modellen
  • Zusatz: Was ist ein WGAN?
  • Zusatz: Was ist ein CycleGAN?
  • Zusatz: Wissenschaftliche Artikel zu GAN