In dieser Weiterbildung vertiefen Sie Ihre Kenntnisse im Bereich Visual Computing durch den Einsatz von Deep Learning mit TensorFlow. Sie lernen, neuronale Netze zu konzipieren und zu trainieren, um komplexe Bildverarbeitungsaufgaben zu bewältigen. Sie erwerben ein fundiertes Verständnis für die Architektur und Funktionsweise von Convolutional Neural Networks (CNNs) und deren Anwendung im Visual Computing. Zudem werden Sie in die Lage versetzt, TensorFlow effektiv für die Entwicklung und Implementierung von Deep-Learning-Modellen einzusetzen. Ein weiterer Schwerpunkt liegt auf der Datenvorbereitung und -augmentation, um die Qualität und Robustheit Ihrer Modelle im Visual Computing zu verbessern. Durch praktische Übungen und Projekte wenden Sie die erlernten Konzepte direkt an und vertiefen Ihr Verständnis für die Anwendung von Deep Learning im Visual Computing. Nach Abschluss der Weiterbildung sind Sie in der Lage, eigenständig Deep-Learning-Modelle mit TensorFlow für verschiedene Visual-Computing-Anwendungen zu entwickeln und zu optimieren.

Grundlagen und Theorie von Deep Learning
  • Kenntnisse im Bereich Visual Computing
  • Abgrenzung von Machine Learning und Deep Learning
  • Konzepte neuronaler Netze mit Fokus auf Visual Computing
  • Python- und Machine-Learning-Bibliotheken

Praktische Einführung in TensorFlow und Keras
  • Installation und Einrichtung von TensorFlow mit Aspekten von Visual Computing
  • Grundlegende Verwendung von TensorFlow
  • Trainieren eines Neuronalen Netzes unter dem Gesichtspunkt Visual Computing
  • Verbindung zu TensorFlow
  • Anwendungen aus dem Visual Computing mit Keras
  • Laden und Speichern von Modellen
  • Benutzen von vorgefertigten Modellen mit Keras

Anwendungsfälle und Modellierung in TensorFlow mit Keras
  • Stimmungsanalyse mit Keras unter Berücksichtigung von Visual Computing
  • Verkehrszeichenerkennung mit Keras
  • Einblicke in Visual Computing durch intelligente Spurerkennung mit Keras und OpenCV
  • Erstellen von Machine-Learning-Modellen mit Keras
  • Modellierung von FCN- und CNN-Architekturen aus dem Bereich Visual Computing mit Keras
  • Erstellen von RNN-Modelle mit Keras
  • Yolo-Modelle in TensorFlow im Kontext von Visual Computing
  • Anwendungen in Cloud Deep Learning, Bildgenerierung, Musik und Video

Analyse, Visualisierung und Problembehebung
  • Analyse linearer Regression in Visual Computing
  • Analyse von Machine Learning in TensorFlow
  • Ergebnisse visualisieren mit Keras für Visual Computing
  • Allgemeine Tipps und Tricks zu TensorFlow
  • Problemlösung für Modelle im Umfeld Visual Computing