Neuronale Netze bilden einen Teilbereich des Machine Learnings, das den Ansatz beschreibt Künstliche Intelligenz (KI) mithilfe von statistischen Methoden zu realisieren. Der Aufbau von Künstlichen Neuronalen Netzen ist durch die Funktionsweise von biologischen Neuronen inspiriert und erlaubt es aus speziellen Daten allgemeine Muster zu lernen. Daraus abgeleitete Regeln lassen sich dann auf neue Daten anwenden, um zum Beispiel Vorhersagen zu treffen.
Das Ziel dieses Kurses besteht darin den Teilnehmern ein tiefes Verständnis für Neuronale Netze zu vermitteln: nach Abschluss des Kurses haben die Teilnehmer nicht nur statistische Methoden wie zum Beispiel die logistische oder lineare Regression und
die Parameterbildung für Modelle von Neuronalen Netzen verstanden, sondern können ihr Wissen auch flexibel auf weiterführende Probleme in interdisziplinären Kontexten anwenden.
Die Teilnehmer werden nach diesem Kurs:
Die anschaulich und ausführlich dargebotene Theorie wird konsequent mit praktischen Beispielen unterfüttert, um die Techniken für die Teilnehmer begreifbar zu machen und ihre (statistischen) Intuitionen zu schärfen.
