Deep Learning Demystified: Hands-on Deep Learning for Non-CS Majors

Worum geht's

Du erhältst ein praxisorientiertes Verständnis von Deep Learning mit Fokus auf Computer Vision, neuronale Netze, Faltungsoperationen und Backpropagation. Am Ende kannst du grundlegende Deep-Learning-Projekte implementieren, Frameworks wie TensorFlow/Keras/PyTorch nutzen und die gesellschaftlichen sowie ethischen Implikationen einschätzen.

Was du danach kannst

• Architekturen neuronaler Netze verstehen und analysieren
• Faltungsoperationen und Bildverarbeitung anwenden
• Mechanismen der Backpropagation mathematisch nachvollziehen
• Daten vorverarbeiten, normalisieren und augmentieren
• Mit TensorFlow, Keras und PyTorch arbeiten
• Praktische Deep-Learning-Projekte umsetzen
• Ethische und gesellschaftliche Auswirkungen von Deep Learning reflektieren
• Team- und Präsentationsfähigkeiten in Gruppenprojekten stärken

Aus was das Modul besteht

• Übungbegleitet, vertieft und erklärt Inhalte der Vorlesung 'Introduction to Deep Learning'; Fokus auf Grundlagen und Anwendungen; praktische Projekte und Gruppenarbeit

Lehrmethode

• Praktische Projektefür hands-on Erfahrung (z. B. Bildklassifizierung, Stimmungsanalyse)
• Interaktives LernenEinsatz von Analogien, realen Beispielen und Tools zur Erklärung komplexer Konzepte
• GruppenzusammenarbeitFördert Teamarbeit durch Gruppenprojekte und Präsentationen
• Analyse von FallstudienEintauchen in reale Anwendungen und Grenzen des Deep Learning