In diesem Video schauen wir uns den Aufbau der Verlustfunktion oder Loss Function genauer an, wiederholen was eigentlich nochmal ein Gradient ist und bekommen eine Intuition dafür, wie die Optimierung eines neuronalen Netzwerkes funktioniert. Außerdem werfen wir einen etwas genaueren Blick auf den Trainingsprozess und lernen Kriterien dafür kennen, wann man ihn am besten stoppt. Lernziele: Du erklärst die Interpretation der Verlustfunktion, z.B. anhand des Klassifikationsproblems in Hunde- und Katzenbilder beim Überwachten Lernen Du erklärst, aus welchen Komponenten der Gradient einer Funktion besteht Du beschreibst die Intuition hinter der Optimierungsmethode des (Stochastischen) Gradientenabstiegs Du erläuterst den Ablauf des Trainings grob Du gibst Beispiele für Stopp-Kriterien des Trainings