Einleitung
  • Über mich
  • Dieser Kurs zusammengefasst
  • Bedienung von Udemy
  • Anleitungen zu den Kursmaterialien
  • Kursmaterialien
  • Wie bewerte ich diesen Kurs?
Einführung & Installation
  • Einführung Python und VS Code
  • [Windows] Installation Python und Anaconda
  • [MacOS] Installation Python Anaconda
  • Einführung Tensorflow, Keras und andere Module
  • Tensorflow CPU oder GPU?
  • [Windows] Installation Tensorflow [CPU]
  • [Windows] Installation Tensorflow [GPU]
  • [Windows] Installation Keras
  • [Windows] Installation von VS Code
  • [Mac] Installation Tensorflow
  • [Mac] Installation von Python module
  • [Mac] Installation von Keras
  • [Mac] Installation VS Code
Python Grundlagen
  • Vorwort
  • Variablen und Rechenoperationen
  • Abfragen und Logik
  • Listen
  • For- und While Schleife
  • Listen Iteration, Enumerate und zip Funktion
  • Dictionaries
  • Funktionen
  • Module
  • Numpy
  • Plotting
  • List Comprehensions und Mehrdimensionale Listen
  • Listen: Index und Slices
  • Weiteres zu Numpy
  • Klassen
  • Test zum Abschnitt "Python Grundlagen"
Grundlagen von Machine Learning
  • Einführung in Machine Learning
  • Quiz zu ML-Grundlagen
  • Neuronale Netzwerke
  • Aktivierungsfunktionen
  • Error (loss) Funktionen
  • Wie lernt ein Neuronales Netzwerk
  • Regression
  • Klassifikation
  • Modell performance erkennen
  • Test zum Abschnitt "Machine Learning Grundlagen"
Intuition Supervised Learning
  • Was ist Regression?
  • Regression im Code - Daten erzeugen
  • Regression im Code - Modell definieren
  • Regression im Code - Modell evaluieren
  • Klassifikation
  • Klassifikation im Code - Daten erzeugen
  • Klassifikation im Code - Modell evaluieren
Die Theorie hinter Keras Layers
  • Aufbau eines Keras Models
  • Der Fully Connected Layer (Dense)
  • Der Activation Layer
  • Der Dropout Layer
  • Der BatchNormalization Layer
  • Convolution Layer
  • Pooling Layer
  • Die Optimizer in Keras
Basics - Regression: Benzinverbrauch vorhersagen
  • Einführung Keras Modeling Process
  • Dataset vorstellen
  • Imports vorbereiten
  • Dataset laden und säubern
  • Dataset aufteilen
  • Daten normalisieren
  • Modell definieren
  • Modell trainieren
Basics - Klassifikation: Auto nach Herkunft klassifizieren
  • Imports vorbereiten
  • Dataset laden und aufteilen
  • Modell definieren und trainieren
  • Modell evaluieren
Convolutional Neural Networks
  • Revisited: Theorie von CNN
  • Dataset Klasse (1) - Imports definieren und Vorlage vorbereiten
  • Dataset Klasse (2) - Daten erzeugen und aufteilen
  • Dataset Klasse (3) - Daten verarbeiten
  • Dataset Klasse (4) - Letzte Vorbereitungen
  • Model (1) - Imports erläutern
  • Model (2) - Funktionen definieren
  • Model (2) - Layer definieren
  • Model (3) - Kompilieren
  • Model (4) - Training und Evaluation
Hello World: MNIST Dataset anwenden
  • Einführung des Datasets
  • Datenset Klasse anpassen
  • Model Imports vorbereiten
  • Layer definieren
  • Training und Evaluation
  • Evaluation: Confusion Matrix
  • Evaluation: Bilder am Model testen
Ein klassisches Klassifizierungsproblem: Katze oder Hund