Suche | HubbS - Der Hub für berufliche Schulen

Veranstaltungen

Rahmenlehrpläne

Lernspiel: C7-3 Drag and Drop: Was ist was in der Formel zur Berechnung der Aktivierung? (Quiz zum Video)

C7-3 Drag and Drop: Was ist was in der Formel zur Berechnung der Aktivierung? (Quiz zum Video)

Das Quiz gehört zum Video zum Thema „C7-3 Parameter in neuronalen Netzen … und der Forward Pass“.

Lernspiel: C7-3 Drag and Drop: Welche Matrix passt zu welcher Schicht? (Quiz zum Video)

C7-3 Drag and Drop: Welche Matrix passt zu welcher Schicht? (Quiz zum Video)

Das Quiz gehört zum Video zum Thema „C7-3 Parameter in neuronalen Netzen … und der Forward Pass“.

Lernspiel: C7-3 Single Choice: Anzahl von Parametern in einer Schicht (Quiz zum Video)

C7-3 Single Choice: Anzahl von Parametern in einer Schicht (Quiz zum Video)

Das Quiz gehört zum Video zum Thema „C7-3 Parameter in neuronalen Netzen … und der Forward Pass“.

Lernspiel: C7-4 Drag and Drop: Welche Rechnung passt zu welchem Schritt? (Quiz zum Video)

C7-4 Drag and Drop: Welche Rechnung passt zu welchem Schritt? (Quiz zum Video)

Das Quiz gehört zum Video zum Thema „C7-4 Training von neuronalen Netzen - Üben, üben, üben“.

Lernspiel: C7-4 Drag and Drop: Welcher Hyperparameter gehört zu welcher Art von Training? (Quiz zum Video)

C7-4 Drag and Drop: Welcher Hyperparameter gehört zu welcher Art von Training? (Quiz zum Video)

Das Quiz gehört zum Video „C7-4 Hyperparameter beim Training von neuronalen Netzen - Effizienter üben“.

Interaktion: Bildklassifikation und Bildsegmentierung | 05 | Anordnung der Neuronen in CNNs (Aufbau 2)

Bildklassifikation und Bildsegmentierung | 05 | Anordnung der Neuronen in CNNs (Aufbau 2)

Diese Aufgabe dient als Vertiefung zum Video "Anordnung der Neuronen in CNNs" aus der Sektion “Bildklassifikation und Bildsegmentierung”.

Interaktion: Bildklassifikation und Bildsegmentierung | 05 | Anordnung der Neuronen in CNNs (Aufbau 1)

Bildklassifikation und Bildsegmentierung | 05 | Anordnung der Neuronen in CNNs (Aufbau 1)

Diese Aufgabe dient als Vertiefung zum Video "Anordnung der Neuronen in CNNs" aus der Sektion “Bildklassifikation und Bildsegmentierung”.

Interaktion: Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 4)

Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 4)

Diese Aufgabe dient als Vertiefung zum Video "Einführung in die Wahrscheinlichkeitstheorie" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Interaktion: Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 3)

Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Einführung in die Wahrscheinlichkeitstheorie" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Interaktion: Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 2)

Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Einführung in die Wahrscheinlichkeitstheorie" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Interaktion: Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 1)

Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Einführung in die Wahrscheinlichkeitstheorie" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Interaktion: Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 1)

Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Verfahren der (cross-) validation" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.

Interaktion: Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 2)

Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Verfahren der (cross-) validation" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.

Interaktion: Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 3)

Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Verfahren der (cross-) validation" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.

Interaktion: Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 4)

Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 4)

Diese Aufgabe dient als Vertiefung zum Video "Verfahren der (cross-) validation" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.

Video: Generative Modelle | 06 | Model Collapse (MP4)

Generative Modelle | 06 | Model Collapse (MP4)

Generative Modelle benötigen sehr viele Trainingsdaten, deshalb kommen oft künstlich erstellte Daten zum Einsatz. Warum das zu Problemen führen kann

Interaktion: Datenbeschaffung und -aufbereitung | 02 | Urheberrecht und Datenschutzgrundverordnung (Aufgabe 2)

Datenbeschaffung und -aufbereitung | 02 | Urheberrecht und Datenschutzgrundverordnung (Aufgabe 2)

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

Interaktion: Datenbeschaffung und -aufbereitung | 02 | Urheberrecht und Datenschutzgrundverordnung (Aufgabe 1)

Datenbeschaffung und -aufbereitung | 02 | Urheberrecht und Datenschutzgrundverordnung (Aufgabe 1)

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

Als Anwendung installieren

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

Abbrechen