Bereit für die Klausur? Teste jetzt dein Wissen!
Dein ergebnis
Melde dich für die StudySmarter App an und lerne effizient mit Millionen von Karteikarten und vielem mehr!
Du hast bereits ein Konto? Anmelden
Lerninhalte finden
Features
Entdecke
Egal, ob Zusammenfassung, Altklausur, Karteikarten oder Mitschriften - hier findest du alles für den Studiengang Bachelor of Science Informatik
Universität Erlangen-Nürnberg
Bachelor of Science Informatik
Prof. Dr.
2024
In dieser Sektion werden die grundlegenden Konzepte und Techniken des Deep Learnings eingeführt. Du lernst die fundamentalen Ideen hinter Deep Learning und seine Unterschiede zu traditionellen Machine Learning Methoden kennen.
Diese Sektion widmet sich den verschiedenen Arten von neuronalen Netzen und ihren Anwendungen. Du wirst verstehen, wie neuronale Netze aufgebaut und trainiert werden.
CNNs sind speziell für die Verarbeitung von Bildern und visuellen Daten entwickelt worden. Diese Sektion deckt die Architektur und die Anwendung von CNNs ab.
Eine spezifische Art von neuronalen Netzen, Long Short-Term Memory (LSTM) Netzwerke, sind sehr gut für Zeitreihenanalyse geeignet. In dieser Sektion werden die Grundlagen und Anwendungen von LSTMs behandelt.
Optimierung spielt eine zentrale Rolle im Training von Deep Learning Modellen. Diese Sektion behandelt die verschiedenen Optimierungstechniken und Strategien.
Die Vorlesung 'Deep Learning for Beginners' an der Universität Erlangen-Nürnberg bietet Dir einen umfassenden Einstieg in die Welt des Deep Learnings. Als Teil des Informatik-Studiengangs deckt diese Vorlesung die wesentlichen Themen und Konzepte dieses faszinierenden Bereichs ab, darunter die Grundlagen des Deep Learnings, neuronale Netze, Convolutional Neural Networks (CNNs), Zeitreihenanalyse mit LSTM, Optimierungsmethoden und Anwendungsfälle von Deep Learning. Du wirst lernen, wie Du diese Technologien in verschiedenen Kontexten anwenden und ihre Potenziale ausschöpfen kannst.
Kursleiter: Prof. Dr.
Modulstruktur: Das Modul besteht aus wöchentlichen Vorlesungen und Übungsaufgaben, die über das Semester verteilt sind.
Studienleistungen: Am Ende des Semesters gibt es eine schriftliche Prüfung.
Angebotstermine: Dieses Modul wird im Wintersemester angeboten.
Curriculum-Highlights: Grundlagen des Deep Learnings, Neuronale Netze, Convolutional Neural Networks (CNNs), Zeitreihenanalyse mit LSTM, Optimierungsmethoden, Anwendungsfälle von Deep Learning
Beginne frühzeitig mit dem Lernen, idealerweise schon zu Beginn des Semesters, um Dir die nötige theoretische Basis anzueignen.
Nutze verschiedene Ressourcen, wie Bücher, Übungsaufgaben, Karteikarten und Probeklausuren, um dein Wissen zu vertiefen.
Schließe Dich Lerngruppen an und tausche Dich mit anderen Studierenden aus, um gemeinsam Lösungsstrategien zu entwickeln.
Vergiss nicht, regelmäßige Pausen einzulegen und in diesen Zeiten komplett abzuschalten, um eine Überbelastung zu vermeiden.
Guang O.
Sie haben bereits ein Konto? Login
74790 Strategisches Management | Kurs ansehen |
Advanced Design and Programming | Kurs ansehen |
Advanced Mechanized Reasoning in Coq | Kurs ansehen |
Advanced Programming Techniques | Kurs ansehen |
Algebra | Kurs ansehen |
Algebra des Programmierens | Kurs ansehen |
Algebraische und Logische Aspekte der Automatentheorie | Kurs ansehen |
Algorithmen und Datenstrukturen | Kurs ansehen |
Algorithmik kontinuierlicher Systeme | Kurs ansehen |
Allgemeine Biologie I | Kurs ansehen |
Hao H.