Wenn Sie sich für diesen Kurs anmelden, müssen Sie auch ein bestimmtes Programm auswählen.
Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat von IBM zur Vorlage
In diesem Kurs gibt es 7 Module
Deep Learning revolutioniert viele Bereiche, darunter Computer Vision, natürliche Sprachverarbeitung und Robotik. Darüber hinaus ist Keras, eine in Python geschriebene High-Level-API für neuronale Netze, zu einem wesentlichen Bestandteil von TensorFlow geworden und macht Deep Learning zugänglich und einfach. Die Beherrschung dieser Techniken wird Ihnen viele Möglichkeiten in Forschung und Industrie eröffnen.
Sie werden lernen, benutzerdefinierte Schichten und Modelle in Keras zu erstellen und Keras mit TensorFlow 2.x für erweiterte Funktionalität zu integrieren.
Sie werden fortgeschrittene Faltungsneuronale Netze (CNNs) mit Keras entwickeln. Sie werden auch Transformer-Modelle für sequentielle Daten und Zeitreihen mit TensorFlow und Keras erstellen. Der Kurs behandelt auch die Prinzipien des unüberwachten Lernens in Keras und TensorFlow für die Modelloptimierung und benutzerdefinierte Trainingsschleifen. Schließlich werden Sie tiefe Q-Netze (DQNs) mit Keras für Reinforcement Learning-Aufgaben entwickeln und trainieren (ein Überblick über Generative Modeling und Reinforcement Learning wird gegeben).
In jeder Lektion können Sie die erlernten Konzepte anhand von praktischen Übungen ausprobieren. Ein abschließendes Projekt im letzten Modul bietet Ihnen die Möglichkeit, Ihr Wissen anzuwenden, um ein Klassifikationsmodell mit Hilfe von Transfer Learning zu erstellen.
Dieser Kurs ist für alle angehenden KI-Ingenieure geeignet, die TensorFlow und Keras erlernen möchten. Er erfordert Kenntnisse der Python-Programmierung und grundlegende mathematische Konzepte wie Gradienten und Matrizen sowie Grundlagen des Deep Learning mit Keras.
Dieses Modul bietet einen Überblick über die erweiterten Funktionen von Keras. Es wird die funktionale API von Keras für die Erstellung komplexer Modelle behandelt. Es umfasst auch die Erstellung von benutzerdefinierten Schichten und Modellen in Keras. Dann beschreibt das Modul die Integration von Keras mit TensorFlow 2.x für erweiterte Funktionalität. Sie werden das Gelernte in Laborübungen anwenden und Ihre Konzepte in Quizfragen testen.
In diesem Modul lernen Sie, fortgeschrittene Faltungsneuronale Netze (CNNs) mit Keras zu entwickeln. Sie werden Techniken zur Datenerweiterung mit Keras erlernen. Darüber hinaus werden Sie Transfer Learning mit Keras implementieren und vortrainierte Modelle nutzen. Schließlich werden Sie lernen, wie Sie TensorFlow zur Verbesserung der Bildverarbeitungsfähigkeiten einsetzen können. Sie werden das Gelernte in Übungen anwenden und Ihre Konzepte in Quizfragen testen.
Zusammenfassung und Highlights: Fortgeschrittene CNNs in Keras•1 Minute
4 Aufgaben•Insgesamt 60 Minuten
Benotetes Quiz: Fortgeschrittene CNNs in Keras•30 Minuten
Praxis-Quiz: Fortgeschrittene CNNs und Datenerweiterung•10 Minuten
Praxis-Quiz: Transfer Learning auf vortrainierten Modellen und Bildverarbeitung•10 Minuten
Praxis-Quiz: Einführung in die Transponierte Faltung•10 Minuten
3 App-Elemente•Insgesamt 120 Minuten
Erweiterte Datenerweiterung mit Keras•30 Minuten
Labor: Implementierung von Transfer Learning•30 Minuten
Übung: Praktische Anwendung der Transponierten Faltung•60 Minuten
1 Diskussionsthema•Insgesamt 10 Minuten
[Fakultativ] Diskussionsaufforderung: Datenerweiterung und Transferlernen•10 Minuten
2 Plug-ins•Insgesamt 20 Minuten
Lesen: Tipps für die Umsetzung von Transfer Learning•5 Minuten
Glossar: Fortgeschrittene CNNs in Keras•15 Minuten
Transformatoren in Keras
Modul 3•3 Stunden abzuschließen
Moduldetails
Dieses Modul behandelt den Aufbau und das Training fortgeschrittener Transformers mit Keras. Sie werden Transformer-Modelle für sequentielle Daten und Zeitreihen mit TensorFlow mit Keras weiterentwickeln. Darüber hinaus lernen Sie, fortgeschrittene Transformer-Techniken für die Texterzeugung zu implementieren. Sie werden das Gelernte in Labs anwenden und Ihre Konzepte in Quizfragen testen.
Bau von Transformatoren für sequentielle Daten•3 Minuten
Erweiterte Transformatoranwendungen•4 Minuten
Transformatoren für die Zeitreihenvorhersage•4 Minuten
TensorFlow für sequenzielle Daten•4 Minuten
1 Lektüre•Insgesamt 3 Minuten
Zusammenfassung und Highlights: Transformatoren in Keras•3 Minuten
3 Aufgaben•Insgesamt 50 Minuten
Benotetes Quiz: Transformatoren in Keras•30 Minuten
Praxis-Quiz: Transformatoren in Keras•10 Minuten
Praxis-Quiz: Fortgeschrittene Transformatoren und sequentielle Daten mit TensorFlow•10 Minuten
2 App-Elemente•Insgesamt 90 Minuten
Labor: Bau fortschrittlicher Transformatoren•60 Minuten
Übung: Transformatoren für die Texterstellung implementieren•30 Minuten
1 Diskussionsthema•Insgesamt 10 Minuten
[Fakultativ] Diskussionsaufforderung: Transformieren von sequentiellen Daten mit Transformatoren•10 Minuten
1 Plug-in•Insgesamt 15 Minuten
Glossar: Transformatoren in Keras•15 Minuten
Unüberwachtes Lernen und generative Modelle in Keras
Modul 4•4 Stunden abzuschließen
Moduldetails
In diesem Modul lernen Sie die Prinzipien des unüberwachten Lernens in Keras kennen. Sie werden lernen, Autoencoder und Diffusionsmodelle zu erstellen und zu trainieren. Darüber hinaus werden Sie generative adversarische Netzwerke (GANs) mit Keras entwickeln und TensorFlow für fortgeschrittene unüberwachte Lernaufgaben integrieren. Sie werden das Gelernte in Praktika anwenden und Ihre Konzepte in Quizfragen testen.
Einführung in das unüberwachte Lernen in Keras•5 Minuten
Erstellen von Autoencodern in Keras•4 Minuten
Diffusionsmodelle•4 Minuten
Generative adversarische Netze (GANs)•4 Minuten
TensorFlow für unüberwachtes Lernen•3 Minuten
1 Lektüre•Insgesamt 2 Minuten
Zusammenfassung und Highlights: Unüberwachtes Lernen und generative Modelle in Keras•2 Minuten
3 Aufgaben•Insgesamt 50 Minuten
Benotetes Quiz: Unüberwachtes Lernen und generative Modelle in Keras•30 Minuten
Praxis-Quiz: Unüberwachtes Lernen, Autoencoder und Diffusionsmodelle•10 Minuten
Praxis-Quiz: GANs und TensorFlow•10 Minuten
3 App-Elemente•Insgesamt 135 Minuten
Labor: Bau von Autoencodern•60 Minuten
Übung: Implementierung von Diffusionsmodellen•45 Minuten
Übung: GANs mit Keras entwickeln•30 Minuten
1 Diskussionsthema•Insgesamt 10 Minuten
[Optional] Erforschung von Autoencodern und GANs•10 Minuten
1 Plug-in•Insgesamt 15 Minuten
Glossar: Unüberwachtes Lernen und generative Modelle in Keras•15 Minuten
Fortgeschrittene Keras-Techniken
Modul 5•3 Stunden abzuschließen
Moduldetails
In diesem Modul lernen Sie fortgeschrittene Techniken in Keras für die Modellentwicklung kennen. Sie werden benutzerdefinierte Trainingsschleifen erstellen und Modelle mit Keras optimieren sowie Hyperparameter-Tuning mit Keras Tuner durchführen. Schließlich lernen Sie die Verwendung von TensorFlow für die Modelloptimierung und benutzerdefinierte Trainingsschleifen. Sie werden das Gelernte in Übungen anwenden und Ihre Konzepte in Quizfragen testen.
In diesem Modul lernen Sie die Grundlagen des Reinforcement Learning und seine Anwendungen in Keras kennen. Das Modul behandelt auch die Q-Learning-Algorithmen mit Keras. Sie werden tiefe Q-Netze (DQNs) mit Keras für fortgeschrittene Reinforcement-Learning-Aufgaben entwickeln und trainieren. Sie werden das Gelernte in Labs anwenden und Ihre Konzepte in Quizfragen testen.
Wir bei IBM wissen, wie schnell sich die Technologie entwickelt, und sind uns bewusst, wie wichtig es für Unternehmen und Fachkräfte ist, schnell einsatzbereite, praxisnahe Fähigkeiten zu erwerben. Als marktführender Tech-Innovator setzen wir uns dafür ein, dass Sie in diesem dynamischen Umfeld erfolgreich sind. Über das IBM Skills Network bieten unsere von Experten entwickelten Schulungsprogramme in den Bereichen künstliche Intelligenz, Softwareentwicklung, Cybersicherheit, Datenwissenschaft, Unternehmensführung und mehr die grundlegenden Fähigkeiten, die Sie benötigen, um sich Ihren ersten Job zu sichern, Ihre Karriere voranzutreiben oder Ihren geschäftlichen Erfolg zu steigern. Ganz gleich, ob Sie sich selbst oder Ihr Team weiterbilden möchten, unsere Kurse, Spezialisierungen und professionellen Zertifikate vermitteln Ihnen das technische Fachwissen, das Sie und Ihr Unternehmen in einer wettbewerbsorientierten Welt auszeichnet.
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Bewertungen von Lernenden
4.4
1.032 Bewertungen
5 stars
65,37 %
4 stars
20,88 %
3 stars
7,64 %
2 stars
2,90 %
1 star
3,19 %
Zeigt 3 von 1032 an
B
BK
5·
Geprüft am 18. Mai 2025
It is a very detailed course for those looking for learning more about Keras and Tensorflow.
R
RR
4·
Geprüft am 25. Juli 2020
Nice course to introduce you to more advanced neural network algorithms, I wish the evaluations were more challenging and based on practical exercises... there is no final assignment either.
K
KG
5·
Geprüft am 3. Feb. 2025
I have seen a lot of people explaining different things in Deep Learning, but I must admit, this course should be given 10 on 10 for covering everything theory to code, basics to advanced.
Wann werde ich Zugang zu den Vorlesungen und Aufgaben haben?
Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich dieses Zertifikat abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugang zu allen Kursen des Zertifikats, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird zu Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen.
Finanzielle Unterstützung verfügbar, weitere Informationen
¹ Einige Aufgaben in diesem Kurs werden mit AI bewertet. Für diese Aufgaben werden Ihre Daten in Übereinstimmung mit Datenschutzhinweis von Courseraverwendet.