Verwaltungsinformationen
| Titel | Konvolutionelle neuronale Netze |
| Dauer | 60 |
| Modulen | B |
| Unterrichtstyp | Anleitung |
| Fokussierung | Technisches – Deep Learning |
| Themenbereich | Deep Learning |
Suchbegriffe
CNN, Tiefes Lernen, Python,
Lernziele
- Implementierung und Schulung eines CNN für ein Bildklassifizierungsproblem von Grund auf neu
- Feinabstimmung eines bereits geschulten Netzwerks
- Transfer von Lernen mit Architekturen, die auf ImageNet trainiert werden
Erwartete Vorbereitung
Lernveranstaltungen, die vorab abgeschlossen werden müssen
Obligatorisch für Studenten
- Theorie über CNN
Optional für Studenten
- Keine
Referenzen und Hintergründe für Studierende
- Keine
Empfohlen für Lehrer
Keine.
Unterrichtsmaterialien
Anleitung für Lehrer
Dieses Tutorial behandelt grundlegende CNN-Entwicklung, Training und Tests. Drei verschiedene Tutorials, die in Form von Jupyter Notebook implementiert werden, werden gezeigt und diskutiert. Insbesondere:
- die Implementierung eines einfachen CNN wird gezeigt. Das Training wird mit einem einfachen frei verfügbaren Datensatz (z. B. MNIST) durchgeführt. Die Bewertung hinsichtlich der Genauigkeit eines Testsets nach der Trainingsphase wird angezeigt.
- die Feinabstimmung eines bereits geschulten Netzwerks erfolgt auf einem neuen Datensatz (z. B. Fashion-MNIST). Eine Auswertung und ein Vergleich mit einem von Grund auf trainierten Netzwerk werden gezeigt und diskutiert.
- wie man benutzerdefinierte Modelle lädt und speichert, wird angezeigt.
Zeitplan
| Dauer (min) | Beschreibung | Konzepte | Aktivität | Werkstoffe |
|---|---|---|---|---|
| 20 | Implementierung und Schulung eines einfachen CNN | |||
| 20 | Feinabstimmung eines bereits geschulten Netzwerks | |||
| 20 | laden und Speichern von Architekturen |
Danksagung
Wir danken Eng. Andrea Apicella für seinen Beitrag zur Entwicklung des Materials.
Das Human-Centered AI Masters-Programm wurde von der Fazilität „Connecting Europe“ der Europäischen Union im Rahmen des Zuschusses „CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068“ kofinanziert.