8 - Nächste Schritte
Aufgabenübersicht
Im folgenden stehen Ihnen 3 Aufgaben mit verschiedenem Kontext und Fokus zur Verfügung. Mit diesen können Sie nun das erworbene Wissen umsetzen und direkte Erfahrung in realistischen Deep Learning Aufgaben sammeln. Beginnen Sie mit der Aufgabe Ihrer Wahl.
Aufgabe 1: Nochmal von Vorne… (Immage Classification, Trainieren)
Hands-On: Cifar-100 Classification
Starten Sie mit diesem Notebook.
- Erstellen, trainieren und evaluieren Sie einen Classifier für den Cifar-100 Datensatz.
Aufgabe 2: Aufs Wichtige beschränken (Rauschreduktion, Optimieren)
Hands-On: Audio Noise Reduction
Starten Sie mit diesem Notebook.
- Optimieren Sie die Audio-Entrauschung so, dass der Output weniger Rauschen zeigt als der Input, die Sprache aber trotzdem verständlich bleibt.
Aufgabe 3: Squeeze the Juice … (Anomaly Detection, Evaluieren)
Hands-On: Pytorch MNIST Anomaly Detection
Betrachten Sie dieses Notebook.
- Versuchen Sie, die Performance eines der folgenden Outputs zu verbessern:
- Classifier
- Generator (Variational Autoencoder)
- Anomaly Detection
- Classifier
- Vergleichen Sie die Ergebnisse der verschiedenen Anomaly-Detection-Methoden:
- Isolation Forest
- Mahalanobis-Distanz
- VAE-Reconstruction Error
- Isolation Forest
Content licensed under CC BY, Cite as: Hackstein, S. (2025). CAS Deep Learning - Grundlagen. Retrieved from https://shackste.github.io/CAS-Deep-Learning-grundlagen/”