Suche | HubbS - Der Hub für berufliche Schulen

Veranstaltungen

Rahmenlehrpläne

Interaktion: Datenbeschaffung und -aufbereitung | 04 | Verzerrungen und Repräsentativität (Aufgabe 2)

Datenbeschaffung und -aufbereitung | 04 | Verzerrungen und Repräsentativität (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Verzerrungen und Repräsentativität" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Interaktion: Datenbeschaffung und -aufbereitung | 04 | Verzerrungen und Repräsentativität (Aufgabe 1)

Datenbeschaffung und -aufbereitung | 04 | Verzerrungen und Repräsentativität (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Verzerrungen und Repräsentativität" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Video: Bildklassifikation und Bildsegmentierung | 09 | U-Net Architektur (MP4)

Bildklassifikation und Bildsegmentierung | 09 | U-Net Architektur (MP4)

Bei der Bildsegmentierung wird für jedes Bild eine Maske, also ein Bild, erstellt, in dem nur Regionen markiert werden, die das interessierende Objekt

Kurs: Bildklassifikation und Bildsegmentierung | 09 | U-Net Architektur (PDF)

Bildklassifikation und Bildsegmentierung | 09 | U-Net Architektur (PDF)

Bei der Bildsegmentierung wird für jedes Bild eine Maske, also ein Bild, erstellt, in dem nur Regionen markiert werden, die das interessierende Objekt

Video: Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (MP4)

Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (MP4)

Du hast nun einen Überblick über die Idee und die Verfahren des überwachten maschinellen Lernens. In diesem Video starten wir mit Themen zur

Kurs: Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (PDF)

Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (PDF)

Du hast nun einen Überblick über die Idee und die Verfahren des überwachten maschinellen Lernens. In diesem Video-Transkript starten wir mit Themen

Interaktion: Bildklassifikation und Bildsegmentierung | 05 | Aufbau von Convolutional Layers (Aufbau 3)

Bildklassifikation und Bildsegmentierung | 05 | Aufbau von Convolutional Layers (Aufbau 3)

Diese Aufgabe dient als Vertiefung zum Video "Aufbau von Convolutional Layers" aus der Sektion “Bildklassifikation und Bildsegmentierung”.

Interaktion: Bildklassifikation und Bildsegmentierung | 05 | Aufbau von Convolutional Layers (Aufbau 2)

Bildklassifikation und Bildsegmentierung | 05 | Aufbau von Convolutional Layers (Aufbau 2)

Diese Aufgabe dient als Vertiefung zum Video "Aufbau von Convolutional Layers" aus der Sektion “Bildklassifikation und Bildsegmentierung”.

Interaktion: Bildklassifikation und Bildsegmentierung | 05 | Aufbau von Convolutional Layers (Aufbau 1)

Bildklassifikation und Bildsegmentierung | 05 | Aufbau von Convolutional Layers (Aufbau 1)

Diese Aufgabe dient als Vertiefung zum Video "Aufbau von Convolutional Layers" aus der Sektion “Bildklassifikation und Bildsegmentierung”.

Interaktion: Bildklassifikation und Bildsegmentierung | 06 | Wie gut ist mein Modell? Bewertung von Bildklassifikationsmodellen (Aufgabe 3)

Bildklassifikation und Bildsegmentierung | 06 | Wie gut ist mein Modell? Bewertung von Bildklassifikationsmodellen (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Wie gut ist mein Modell? Bewertung von Bildklassifikationsmodellen" aus der Sektion “Bildklassifikation

Interaktion: Bildklassifikation und Bildsegmentierung | 06 | Wie gut ist mein Modell? Bewertung von Bildklassifikationsmodellen (Aufgabe 2)

Bildklassifikation und Bildsegmentierung | 06 | Wie gut ist mein Modell? Bewertung von Bildklassifikationsmodellen (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Wie gut ist mein Modell? Bewertung von Bildklassifikationsmodellen" aus der Sektion “Bildklassifikation

Interaktion: Bildklassifikation und Bildsegmentierung | 06 | Wie gut ist mein Modell? Bewertung von Bildklassifikationsmodellen (Aufgabe 1)

Bildklassifikation und Bildsegmentierung | 06 | Wie gut ist mein Modell? Bewertung von Bildklassifikationsmodellen (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Wie gut ist mein Modell? Bewertung von Bildklassifikationsmodellen" aus der Sektion “Bildklassifikation

Interaktion: Bildklassifikation und Bildsegmentierung | 08 | Fallbeispiel und Pipeline für Bildsegmentierung (Aufgabe 2)

Bildklassifikation und Bildsegmentierung | 08 | Fallbeispiel und Pipeline für Bildsegmentierung (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Fallbeispiel und Pipeline für Bildsegmentierung" aus der Sektion “Bildklassifikation und

Interaktion: Bildklassifikation und Bildsegmentierung | 08 | Fallbeispiel und Pipeline für Bildsegmentierung (Aufgabe 1)

Bildklassifikation und Bildsegmentierung | 08 | Fallbeispiel und Pipeline für Bildsegmentierung (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Fallbeispiel und Pipeline für Bildsegmentierung" aus der Sektion “Bildklassifikation und

Kurs: Bildklassifikation und Bildsegmentierung | 05 | Pooling Layers in CNNs (PDF)

Bildklassifikation und Bildsegmentierung | 05 | Pooling Layers in CNNs (PDF)

Du weißt inzwischen, dass ein Convolutional Neural Network aus mehreren aufeinanderfolgenden Convolutional Layern besteht. In dem folgenden Video

Video: Bildklassifikation und Bildsegmentierung | 05 | Pooling Layers in CNNs (MP4)

Bildklassifikation und Bildsegmentierung | 05 | Pooling Layers in CNNs (MP4)

Du weißt inzwischen, dass ein Convolutional Neural Network aus mehreren aufeinanderfolgenden Convolutional Layern besteht. In dem folgenden Video

Video: Explainable, Hybrid, Robust AI | 01 | Interview zur Interpretierbarkeit von künstlicher Intelligenz (MP4)

Explainable, Hybrid, Robust AI | 01 | Interview zur Interpretierbarkeit von künstlicher Intelligenz (MP4)

In diesem Interview werden wir das Thema „Die Interpretierbarkeit“ von KI-Modellen erkunden. Christoph Molnar ist ein angesehener Experte rund um

Kurs: Explainable, Hybrid, Robust AI | 01 | Interview zur Interpretierbarkeit von künstlicher Intelligenz (PDF)

Explainable, Hybrid, Robust AI | 01 | Interview zur Interpretierbarkeit von künstlicher Intelligenz (PDF)

In diesem Interview werden wir das Thema „Die Interpretierbarkeit“ von KI-Modellen erkunden. Christoph Molnar ist ein angesehener Experte rund um

Als Anwendung installieren

Installieren Sie HubbS als App für ein besseres Nutzungserlebnis. Mehr erfahren.

Abbrechen