In dieser Weiterbildung vertiefen Sie Ihre Kenntnisse im Bereich Visual Computing und erlernen den Einsatz von Deep-Learning-Methoden zur Entwicklung von Anwendungen im Bereich Künstlicher Intelligenz. Sie werden in die Lage versetzt, komplexe Bildverarbeitungsaufgaben zu bewältigen und innovative Lösungen im Bereich Visual Computing zu entwickeln. Sie erwerben fundierte Kenntnisse über neuronale Netzwerke, insbesondere Convolutional Neural Networks (CNNs), und deren Anwendung im Visual Computing. Sie lernen, wie Sie Deep-Learning-Modelle für Bildklassifikation, Objekterkennung und semantische Segmentierung entwerfen und trainieren. Zudem setzen Sie sich mit der Optimierung von Modellleistung und der Verarbeitung großer Bilddatensätze auseinander. Ein weiterer Schwerpunkt liegt auf der Anwendung von Projektmanagement-Methoden im Kontext von Visual-Computing-Projekten. Sie werden in die Lage versetzt, Projekte effizient zu planen, zu koordinieren und zu steuern. Durch praktische Übungen und Projektarbeiten wenden Sie die erlernten Konzepte direkt an. Sie entwickeln eigene Anwendungen im Bereich Visual Computing und setzen dabei Deep-Learning-Modelle ein. Die Integration von Projektmanagement-Tools unterstützt Sie bei der Umsetzung Ihrer Projekte. Nach Abschluss der Weiterbildung sind Sie in der Lage, Deep-Learning-Methoden im Bereich Visual Computing anzuwenden und Projekte im Bereich Künstlicher Intelligenz zu managen.

Grundlagen des Deep Learnings
  • Kenntnisse im Bereich Visual Computing: Aufgaben und Funktion von Deep Learning
  • Abgrenzung von Machine Learning und Deep Learning
  • Grundlagen der Neuronalen Netze mit Fokus auf Visual Computing
  • Trainieren eines Neuronalen Netzes
  • Signalübertragung in Neuronalen Netzen mit Anwendungen aus dem Visual Computing
  • Backpropagation

Tools und Frameworks für Deep Learning
  • Verbindungen zu TensorFlow mit Anwendungsbeispielen aus dem Visual Computing
  • Stimmungsanalyse mit Keras
  • Intelligente Spurerkennung mit Keras und OpenCV unter Einbeziehung von Visual Computing
  • Einführung in PyTorch
  • Praxisarbeit: Programmierung Neuronales Netzwerk im Kontext von Visual Computing

Erweiterte Konzepte des Deep Learnings
  • Automatische Bilderkennung als Bestandteil von Visual Computing
  • Praxisarbeit: Optimierung Neuronales Netzwerk
  • Transfer Learning im Zusammenhang mit Visual Computing
  • Erzeugung synthetischer Daten
  • Hyperparameteroptimierung unter Berücksichtigung von Visual Computing

Machine Learning Grundlagen
  • Einführung in Machine Learning mit Relevanz für Visual Computing
  • Datenreinigung
  • Datenvisualisierung mit Bezug zu Visual Computing
  • Grundlegende Algorithmen: lineare/logistische Regression
  • Techniken: Merkmalserstellung und Normalisierung im Einsatzgebiet Visual Computing

Fortgeschrittene Machine Learning Methoden
  • Modelltraining und Modellperformance basierend auf Visual Computing
  • Unüberwachtes Lernen: Clustering
  • Aktuelle Trends im maschinellen Lernen in Visual Computing und Ausblick in die Zukunft

Spezialanwendungen von Machine Learning
  • Anwendungen in Visual Computing für Cloud Deep Learning, Bildgenerierung, Musik und Video
  • Datenvisualisierung geographischer Daten unter Einsatz von Visual Computing
  • NLP-Grundlagen für Chatbots im Zusammenhang mit Visual Computing
  • Trainieren von Chatbot-Modellen

AI-Ethik und Datenschutzaspekte
  • AI-Ethik und Datenschutz im Zusammenhang mit Visual Computing in Chatbots
  • Tensoren
  • Aktivierungsfunktionen mit Fokus auf Visual Computing
  • Umwandeln von Daten in Assets
  • Innovation durch schnelles Experimentieren im Kontext Visual Computing

Agiles Projektmanagement im AI-Kontext
  • Projektmanagement-Konzepte für Visual Computing
  • Einführung in Scrum
  • Agile Standards im Bereich Visual Computing
  • Vorteile der agilen Arbeitsweise
  • Projekt-Initialisierung

Projektplanung und -Steuerung im AI-Bereich
  • Projekt-Planung mit Schwerpunkten auf Visual Computing
  • Projekt-Steuerung
  • Vergleich agiles vs. traditionelles Projektmanagement in Visual Computing
  • Projektbasiert vs. produktbasiert

Projektmanagement-Rollen und Prozesse
  • Scrum Master mit Verantwortlichkeiten im Visual Computing
  • Scrum Team
  • Product Owner im Kontext Visual Computing
  • Sprint Planning
  • Definition of Done entsprechend Visual Computing-Projekten

Abschlussprojekt: AI-Anwendungsentwicklung
  • Qualifikationsprojekt AI-Development mit Schwerpunkt Visual Computing