In der Übersicht
Der Kurs vermittelt die notwendigen Grundlagen zum Verständnis der Architektur und Funktion von Convolutional Neural Networks (CNN). Anhand von Beispieldaten aus der Praxis werden konkrete Klassifikationsprobleme studiert und als Lösungsmethode CNNs vorgestellt sowie deren Funktionsweise auf diesen Problemen analysiert. Schliesslich bietet sich die Möglichkeit an, in Gruppen und unter Anleitung der Dozierenden eine eigene oder vorgegebene Problemstellung zu bearbeiten.
Ziele
Die Teilnehmerinnen und Teilnehmer
- kennen die grundlegenden Begriffe und Konzepte der bildbasierten Objektklassifikation und deren Validierungsmethoden;
- kennen typische Anwendungsbeispiele, welche sich für Anwendung eines Deep Learning Ansatzes eignen;
- verstehen die Struktur von mehrlagigen Neuronalen Netzen und deren Funktionsweise und können die Implementierung nachvollziehen;
- kennen die wesentlichen Komponenten eines Neuronalen Netzwerks und deren Repräsentation und Parametrisierung in einem Deep Learning Framework (TensorFlow, Keras);
- können ein Modell passend konfigurieren sowie parametrisieren, um bekannte sowie neue Probleme im Bereich der Klassifikation von Bilddaten anzugehen.
Die Grundlage zum Erlangen der zwei ETCS bildet ein schriftlicher Leistungsnachweis, in welchem die vorgegebene oder eigene Problemstellung analysiert und diskutiert wird.