Beschreibung
Recurrent Neural Networks (RNNs) sind ein leistungsfähiges Werkzeug für die
Verarbeitung und Analyse von sequenziellen Daten. Ihre Fähigkeit, zeitliche
Abhängigkeiten zu erkennen und zu nutzen, macht sie ideal für Anwendungen
in der Sprachverarbeitung, Zeitreihenanalyse, Spracherkennung und
Videosequenzanalyse. Trotz der Herausforderungen, die mit dem Training und
der Nutzung von RNNs verbunden sind, bieten spezialisierte Varianten wie
LSTMs und GRUs effektive Lösungen, die ihre Anwendung in vielen Bereichen
ermöglichen. RNNs bleiben eine wesentliche Technologie im Bereich des Deep
Learning und der Künstlichen Intelligenz.
Die Teilnehmenden lernen die grundlegenden und fortgeschrittenen Techniken
zur Nutzung von Recurrent Neural Networks (RNNs) kennen. Das Seminar
umfasst die Einführung in RNNs, grundlegende Konzepte und Architektur,
Datenverarbeitung und Datasets, erweiterte RNN-Architekturen,
Hyperparameter-Tuning, Transfer Learning sowie Modellbereitstellung und
-export. Praktische Übungen helfen den Teilnehmenden, das Gelernte direkt
umzusetzen und ihre Fähigkeiten in der Nutzung von RNNs zu verbessern.