In diesem Kurs lernen Sie, wie Sie maßgeschneiderte Architekturen für neuronale Netze für konkrete Machine-Learning-Aufgaben bewerten und entwerfen. Zunächst lernen Sie, wie Sie gängige Modellfamilien – wie CNNs, RNNs und Transformers – miteinander vergleichen und sie an die Anforderungen der jeweiligen Aufgabe, Datenmuster und Rechenbeschränkungen anpassen. Anschließend lernen Sie, wie Sie maßgeschneiderte Architekturen unter Verwendung von Schichten, Aktivierungsfunktionen und Regularisierungstechniken erstellen, die die Generalisierungsfähigkeit und die Trainingsstabilität verbessern. Mithilfe von Videos, Lesematerial, praktischen Übungen und der Unterstützung durch einen Coach erstellen Sie Modelle in PyTorch und testen, wie sich Designentscheidungen auf die Leistung auswirken. Am Ende des Kurses sind Sie in der Lage, Topologien sicher auszuwählen, architektonische Entscheidungen zu begründen und Modelle zu entwerfen, die für den Einsatz in der Praxis bereit sind.