Kapitel 9 – Data Science Training

Neuronale Netze

Anna und Karl tauchen in die Tiefen der künstlichen neuronalen Netze ein. Na ja, so tief sind diese eigentlich gar nicht. Denn das Thema Deep Learning wird in einem anderen Data Science Training behandelt. Die beiden Trainees lernen hier die Grundlagen neuronaler Netze und bekommen Antworten zu den folgenden Fragen. Wie hat das biologische Neuron das künstliche inspiriert? Wie ist ein neuronales Netz aufgebaut? Wie lernt ein neuronales Netz? Was macht eine Aktivierungsfunktion? Welche Vor- und Nachteile haben neuronale Netze? Schließlich trainieren und optimieren die beiden Trainees ihre eigenen neuronalen Netze: Multilayer-Perzeptrons mit dem Backpropagation-Algorithmus. Dabei spielt das Gradientenabstiegsverfahren eine wichtige Rolle. Max gibt Anna und Karl einige Tipps, die beim Aufbau dieser neuronalen Netze helfen. Wie gut sind diese Minigehirne bei der Klassifizierung der Titanic-Passagiere?

Keywords: Neuronales Netz, Neuron, Perzeptron, Multilayer-Perzeptron, Backpropagation, Gradientenverfahren, Rprop, Aktivierungsfunktion, Normalisierung.