- Grundlagen von Deep Learning in der modernen Künstlichen Intelligenz
- Vergleich zwischen traditionellen Maschinellem Lernen und tiefen neuronalen Netzen
- Einsatzgebiete: Computer Vision, NLP, generative Künstliche Intelligenz und Data Science
- Schritte in der AI Engineering Projektplanung von Datensammlung bis zur Implementierung
- Einbindung der Datenschutz-Grundverordnung im Projektverlauf
Grundelemente neuronaler Netze
- Struktur und Funktionen neuronaler Netze im AI Engineering Umfeld
- Optimierung und Datenschutz von personenbezogenen Daten
- Verwendung von Anonymisierungstechniken zur Datenschutzkonformität
- Vergleich von Netzarchitekturen hinsichtlich datenschutzrelevanter Aspekte
Deep Learning Programmierung in Python
- Erstellung von Modellen mit Python, TensorFlow & Keras in AI Engineering
- Versionssteuerung und Dokumentation mit Git unter Berücksichtigung der Datenschutz-Grundverordnung
- Einsatz von Hyperparameter-Tuning unter Beachtung sicherer Praktiken
- Praktische Übungen zur datenschutzkonformen Modellentwicklung
Deep Learning für Bildanalyse mittels CNNs
- Verwendung von CNNs für Bildklassifizierung im KI Engineering
- Bewältigung von Datenschutzanforderungen bei Bilddaten
- Nutzung von datenschutzfreundlichen Transfer-Learning-Modellen
- Projekt: KI-Modellentwicklung unter DSGVO-konformer Datennutzung
Deep Learning für Sprachverarbeitung und NLP
- Chancen und Risiken von NLP-Modellen im KI Engineering Kontext
- Tokenisierung und Pseudonymisierung von Textdaten nach DSGVO
- Prompt Engineering mit Fokus auf Datenschutz
- Berücksichtigung der Datenschutz-Grundverordnung bei generativen Sprachmodellen
Generative Deep Learning Technologien
- Nutzung von GANs und Variational Autoencoders im AI Engineering
- Erstellung von DSGVO-konformen synthetischen Daten
- Risiken bei personenbezogenen Daten durch generative Künstliche Intelligenz
- Strategien zur Vermeidung von DSGVO-Verstößen
Produktion von Deep Learning Projekten
- Einführung von Deep Learning Modellen unter Berücksichtigung der Datenrichtlinien
- Einsatz von MLOps für Modellüberwachung und Auditfähigkeit im AI Engineering
- Cloud-Implementierung mit DSGVO-konformer Datenhaltung
- Compliance-Prüfungen und kontinuierliche Validierung
Capstone Projekt: Anwendungsnahes Deep Learning
- Komplette Entwicklung eines Deep Learning Produkts im KI Engineering
- Datenmanagement im Licht der Datenschutz-Grundverordnung
- Teambasierte Implementierung mit Audit-Trail und Risikodokumentation
- Schlusspräsentation mit Schwerpunkt auf DSGVO-konforme Ergebnisse