| Literatur |
Steinwender, J., & Schwaiger, R. (2020). Neuronale Netze programmieren mit Python. Rheinwerk Verlag.
Bishop, C. M., & Bishop, H. (2024). Deep Learning: Foundations and Concepts. Springer. |
| Lernziele |
Das Ziel dieser Vorlesung ist es, die Brücke zwischen grauer Theorie und echter Wertschöpfung zu schlagen. Es wird vermittelt, wie Deep-Learning-Modelle mathematisch funktionieren und wie man diese gezielt einsetzt, um komplexe industrielle Probleme zu lösen. |
| Lerninhalte |
Die Veranstaltung vermittelt die theoretischen Fundamente und die industrielle Implementierung künstlicher neuronaler Netze. Ausgehend von mathematischen Optimierungsgrundlagen werden zentrale Architekturen von künstlichen Neuronalen Netzen systematisch erarbeitet. Parallel dazu erfolgt die praktische Umsetzung in Python, wobei der Fokus auf robustem Data Engineering, effizientem Modelltraining und dem Transfer der Algorithmen in produktive Anwendungsszenarien liegt. |
