Suche | HubbS - Der Hub für berufliche Schulen

Veranstaltungen

Rahmenlehrpläne

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

Video: G4-5 Software-Qualität: Teil 5 - Benutzbarkeit 2 (Video)

G4-5 Software-Qualität: Teil 5 - Benutzbarkeit 2 (Video)

Im Video „G4-5 Software-Qualität: Teil 5 - Benutzbarkeit 2“ geht es um die Bedeutung der User Experience beim Design von (grafischen)

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

Interaktion: Datenbeschaffung und -aufbereitung | 03 | Explorative Datenanalyse (Aufgabe 1)

Datenbeschaffung und -aufbereitung | 03 | Explorative Datenanalyse (Aufgabe 1)

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

Video: Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (MP4)

Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (MP4)

In diesem Video fokussieren wir uns darauf, wie sich ein Neuron mit Hilfe von Weights, Bias und Aktivierungsfunktion berechnet.

Interaktion: Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 3)

Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Neuronale Netzwerke und die Mathe" aus Woche 10.

Interaktion: Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 2)

Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Neuronale Netzwerke und die Mathe" aus Woche 10.

Interaktion: Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 1)

Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Neuronale Netzwerke und die Mathe" aus Woche 10.

Interaktion: Woche 14 | Anwendungsbeispiele | Generative Modelle in der Praxis (Aufgabe 2)

Woche 14 | Anwendungsbeispiele | Generative Modelle in der Praxis (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Generative Modelle in der Praxis" aus Woche 14.

Interaktion: Woche 14 | Anwendungsbeispiele | Generative Modelle in der Praxis (Aufgabe 1)

Woche 14 | Anwendungsbeispiele | Generative Modelle in der Praxis (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Generative Modelle in der Praxis" aus Woche 14.

Interaktion: Explainable, Hybrid, Robust AI | 02 | Interpretable Machine Learning (Aufgabe 1)

Explainable, Hybrid, Robust AI | 02 | Interpretable Machine Learning (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Interpretable Machine Learning" aus der Sektion “Explainable, Hybrid, Robust AI”.

Video: Woche 10 | Programmierung | Neuronale Netzwerke (2) (MP4)

Woche 10 | Programmierung | Neuronale Netzwerke (2) (MP4)

In diesem Video lernst du, wie man einen Datensatz für das Trainieren eines künstlichen neuronalen Netzes vorbereitet und was One-Hot-Codierung ist

Video: Woche 10 | Programmierung | Neuronale Netzwerke (2) (PDF)

Woche 10 | Programmierung | Neuronale Netzwerke (2) (PDF)

In diesem Video lernst du, wie man einen Datensatz für das Trainieren eines künstlichen neuronalen Netzes vorbereitet und was One-Hot-Codierung ist

Interaktion: Woche 6 | Daten | Unter- und Überanpassung (Aufgabe 3)

Woche 6 | Daten | Unter- und Überanpassung (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Unter- und Überanpassung" aus Woche 6.

Als Anwendung installieren

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

Abbrechen