Ganzheitliche angewandte KI im Ingenieurbereich - Deep Learning für sequentielle Prozessdaten
Dieser anwendungsorientierter Kurs zum Deep Learning für sequentielle Prozessdaten richtet sich besonders an Interessierte aus dem Ingenieursbereich. Sequentielle Prozessdaten sind Zeitreihendaten aus dem Bereich der Industrie zu verstehen. Für diese Art von Daten wird im Wechsel aus theoretischen Grundlagen und anwendungsorientierten Beispielen das notwendige Grundlagenwissen und praktischen Kenntnisse für die eigene Anwendung vermittelt.
Überblick
Der Kurs „Deep Learning für sequentielle Prozessdaten“ bietet einen anwendungsorientierten Einstieg in das Gebiet der rekurrenten Neuronalen Netze mit TensorFlow mit besonderem Fokus auf den Ingenieurbereich. Sensoren als auch Maschinen liefern oft Daten in Form von Zeitreihen. Daher vermittelt dieser Online-Kurs das Wissen zu speziellen Ansätzen des Deep Learnings und dessen Anwendung auf Basis von TensorFlow mit Hilfe von Lernvideos, praktischen Beispielen, Tests zur Selbstkontrolle und Übungen zum Selbermachen.
Welche Inhalte erwarten mich?
- Einblick in die Methoden des Deep Learnings mit Fokus auf Zeitreihendaten und rekurrenten neuronalen Netzen
- Anwendung von rekurrenten Deep Learning Methoden mit TensorFlow
Was werde ich erreichen?
Bei Abschluss des Kurses sind Sie in der Lage...
- den Unterschied zwischen Maschinelles Lernen und Deep Learning zu erklären.
- Elemente und Besonderheiten von rekurrenten Neuronalen Netzen zu beschreiben.
- mit verschiedene Layerkonzepten (RNN, LSTM, Dense, Dropout) ein neuronales Netz in TensorFlow aufzubauen und anzuwenden.
Welche Voraussetzungen benötige ich?
- Vorwissen im Bereich Ingenieurwissenschaften
- Grundkenntnisse der Ingenieursmathematik
- Grundlagen im Bereich des Maschinellen Lernens z.B. aus dem „Kurs Maschinelles Lernen in der Produktion“
- Grundkenntnisse Programmierung von Vorteil aber nicht notwendig
