Neuronale Netzwerke mit TensorFlow 2: von unten nach oben

TensorFlow ist Googles Framework für Neuronale Netzwerke und auch über die Grenzen von Google hinaus ein Standard. In Version 2 hat sich vor allem das Low-Level-API stark verbessert.

Damit werden wir beginnen, um Neuronale Netze anhand einer Regressionsaufgabe von Null auf zu verstehen, ohne eine Zeile Mathematik zu benötigen. Danach sehen wir uns dasselbe mit der High-Level-Keras-API an, die das gleiche tut, aber von den von uns vorher gemachten Schritten abstrahiert. Von da aus sehen wir uns an, wie man denselben Ansatz auch für eine Klassifikationsaufgabe verwenden kann.

Du lernst dabei

* den Unterschied zwischen Regression und Klassifikation,
* dass Matrixmultiplikationen die Basis für Neuronale Netzwerke sind,
* was Loss Functions sind und
* wie man von einer Loss Function zu einem trainierten Neuronalen Netzwerk kommt.

Vorkenntnisse

* Eine Grundidee von Machine Learning
* Keine Kenntnisse in Neuronalen Netzwerken oder TensorFlow notwendig.
* Auch interessant für Teilnehmer, die bereits Neuronale Netzwerke verstehen, aber sehen wie diese mit TensorFlow 2 umgesetzt werden.

Lernziele

Grundverständnis für Neuronale Netzwerke und wie diese mit TensorFlow 2 umgesetzt werden können.