Dieser praxisorientierte Kurs zeigt, dass es beim Deep Learning nicht nur darum geht, bei einem Modell auf „Ausführen“ zu klicken. Es geht vielmehr darum, Satellitenbilder in konkrete, nützliche Erkenntnisse umzuwandeln. Sie arbeiten mit konvolutionellen neuronalen Netzen (CNN) zur Landbedeckungsklassifizierung, feinstimmen ein vortrainiertes CNN mithilfe von Transferlernen, nutzen Datenaugmentierung zur Leistungssteigerung und wenden Grad-CAM an, um zu sehen, worauf das Modell tatsächlich fokussiert ist. Dabei üben Sie, wie Sie Rohsatellitenbilder in Erkenntnisse umwandeln, die Sie anderen klar vermitteln können. Voraussetzungen sind grundlegende Kenntnisse in der Python-Programmierung, Vertrautheit mit Konzepten des maschinellen Lernens sowie Einführungswissen zu neuronalen Netzen und Bilddaten. „Deep Learn Imagery“ richtet sich an Einsteiger in die Bereiche maschinelles Lernen und Fernerkundung und stärkt Ihr Selbstvertrauen sowohl bei der Arbeit mit Deep Learning als auch bei der Erklärung der Funktionsweise Ihrer Modelle.