In dieser Weiterbildung vertiefen Sie Ihr Verständnis für künstliche neuronale Netze und deren Anwendung im Bereich des Deep Learning. Sie erlernen die theoretischen Grundlagen und setzen diese praktisch mit den Frameworks TensorFlow und Keras um. Sie erwerben Kenntnisse über die Architektur und Funktionsweise künstlicher neuronaler Netze. Sie lernen, Daten für das Training künstlicher neuronaler Netze vorzubereiten und geeignete Modelle zu entwickeln. Zudem werden Sie in die Lage versetzt, verschiedene Typen künstlicher neuronaler Netze, wie Convolutional Neural Networks (CNN) und Recurrent Neural Networks (RNN), zu implementieren und zu trainieren. Ein weiterer Schwerpunkt liegt auf der Anwendung von Transfer Learning, um vortrainierte künstliche neuronale Netze für spezifische Aufgaben anzupassen. Durch praxisorientierte Übungen und Projekte wenden Sie das erlernte Wissen direkt an. Sie entwickeln eigene künstliche neuronale Netze und trainieren diese mit realen Datensätzen, um ein tiefgehendes Verständnis für die Herausforderungen und Lösungen im Deep Learning zu erlangen. Nach Abschluss der Weiterbildung sind Sie in der Lage, künstliche neuronale Netze eigenständig zu konzipieren, zu trainieren und in verschiedenen Anwendungsbereichen einzusetzen.

Deep Learning und neuronale Netze
  • Kenntnisse im Bereich künstliche neuronale Netze erwerben
  • Abgrenzung von Machine Learning und Deep Learning
  • Anwendungen aus dem Bereich künstliche neuronale Netze
  • Trainieren eines Neuronalen Netzes

Keras und TensorFlow für Modellentwicklung
  • Grundlagen zu künstliche neuronale Netze mit Keras
  • Verbindungen zu TensorFlow
  • Modellentwicklung mit Fokus auf künstliche neuronale Netze
  • Erstellen von FCN- und CNN-Modellen mit Keras
  • Praxisbeispiele zu künstliche neuronale Netze mit RNNs
  • Laden und Speichern von Modellen

TensorFlow und seine Anwendung
  • Installation und Einrichtung von TensorFlow mit Bezug zu künstliche neuronale Netze
  • Grundlegende Verwendung von TensorFlow
  • Analyse und Implementierung künstliche neuronale Netze in TensorFlow
  • Problemlösung für nicht funktionierende Modelle

AI-Entwicklung und Chatbot-Design
  • Einstieg in AI-Development mit künstliche neuronale Netze
  • Aufbau eines einfachen Chatbots
  • Trainieren von Chatbot-Modellen unter Einsatz künstliche neuronale Netze
  • NLP-Grundlagen für Chatbots
  • Fortgeschrittene Chatbot-Techniken mit künstliche neuronale Netze
  • Optimierung und Evaluation von Chatbots
  • AI-Ethik und Datenschutz in Chatbots