Training eines kleinen neuronalen Netzes

Was du in dieser Einheit lernst:
- Du lernst, wie ein Autoencoder funktioniert und wie er Bilder rekonstruiert.
- Du verstehst, welche Rolle Trainingsparameter wie Epochen, Lernrate und Sample Size spielen.
- Du beobachtest, wie sich diese Parameter direkt auf die Qualität der Bildrekonstruktion auswirken.
- Du analysierst die Leistung eines neuronalen Netzes auf Basis realer Bilddaten.

Was erwartet dich?
Du arbeitest mit einem einfachen neuronalen Netz, dem Autoencoder. Dieses Netz versucht, ein Bild – in diesem Fall die Ziffer 8 – nach dem Training wiederherzustellen. Du beeinflusst, wie gut das gelingt, indem du zentrale Trainingsparameter veränderst.

Warum ist das wichtig?
Autoencoder sind ein wichtiger Bestandteil moderner KI – sie helfen bei Komprimierung, Vorverarbeitung und Anomalieerkennung. Hier lernst du, wie stark die Qualität des Trainings von Parametern abhängt. Ein praktisches Verständnis dieser Zusammenhänge ist entscheidend, wenn du später eigene Modelle bauen oder bewerten willst.

Beantworte die Fragen Q1 bis Q4!