Neuronale Netze
Vom einzelnen Perzeptron bis zum Deep Learning — Architektur, Aktivierungen und Lernverfahren.
01
Grundlagen & Kernideen
Was ein neuronales Netz vom klassischen Algorithmus unterscheidet — und woher die Idee kommt.
02
Das Perzeptron
Die Urzelle des neuronalen Netzes — gewichtete Summe + Aktivierung = ein einfacher Klassifikator.
03
Aktivierungsfunktionen
Warum Netze ohne Nicht-Linearität nur lineare Modelle bleiben — und welche Funktionen sich durchgesetzt haben.
04
Lernen — Forward & Backpropagation
Wie ein neuronales Netz aus Fehlern lernt — vorwärts rechnen, rückwärts korrigieren.