Programmierung - Neuronale Netzwerke
Formal Metadata
| Title | Programmierung - Neuronale Netzwerke |
|
| Title of Series | |
| Number of Parts | 90 |
| Author | |
| License | You are free to use, adapt and copy, distribute and transmit the work or content in adapted or unchanged form for any legal purpose as long as the work is attributed to the author in the manner specified by the author or licensor. |
| Identifiers | |
| Publisher | |
| Release Date | |
| Language | |
| Production Year | 2023 |
| Production Place | Heinrich-Heine-Universität Düsseldorf |
Content Metadata
| Subject Area | |
| Genre | |
| Abstract | In diesem Video lernst du einen wahren Klassiker unter den Datensätzen kennen - den MNIST Datensatz, der aus Bildern von handgeschriebenen Ziffern besteht. Wir wiederholen noch einmal den Aufbau von Graustufenbildern und beschäftigen uns mit deren Normalisierung. Anschließend zeigen wir dir, wie man den Aufbau eines neuronalen Netzwerkes programmiert und wie die einzelnen Bestandteile und Parameter des Netzwerks interpretiert werden können.
Lernziele:
Du beschreibst den MNIST Datensatz und lädst ihn in dein Programm
Du normalisierst Bilder, sodass die Intensitätswerte zwischen 0 und 1 liegen
Du erklärst, wie du mit "models.Sequential" Layer zu deinem neuronalen Netzwerk hinzufügen kannst
Du erklärst den Unterschied zwischen der ReLU- und Softmax-Aktivierungsfunktion
Du berechnest die Anzahl der Modellparameter für einzelne Layer |
|
| Keywords | |