In dieser Weiterbildung vertiefen Sie Ihre Kenntnisse in der objektorientierten Programmierung mit C++ und erweitern Ihr Wissen um Deep-Learning-Techniken unter Verwendung von TensorFlow. Sie lernen, komplexe Softwarestrukturen zu entwerfen und zu implementieren, indem Sie die Prinzipien der objektorientierten Programmierung anwenden. Darüber hinaus erwerben Sie Fähigkeiten im Bereich des maschinellen Lernens, insbesondere im Deep Learning, und setzen diese mit TensorFlow um. Im Verlauf der Weiterbildung entwickeln Sie ein fundiertes Verständnis für die objektorientierte Programmierung in C++. Sie erlernen die Erstellung und Verwaltung von Klassen, die Anwendung von Vererbung und Polymorphismus sowie die Implementierung von Design-Patterns. Parallel dazu werden Sie in die Grundlagen des Deep Learning eingeführt und lernen, neuronale Netze mit TensorFlow zu modellieren und zu trainieren. Ein besonderer Fokus liegt auf der Kombination von C++ und TensorFlow, um leistungsfähige Anwendungen im Bereich des maschinellen Lernens zu entwickeln. Durch praxisorientierte Übungen und Projekte wenden Sie die erlernten Konzepte der objektorientierten Programmierung und des Deep Learning an. Sie implementieren eigene neuronale Netze mit TensorFlow und integrieren diese in C++-basierte Anwendungen. Diese praktische Herangehensweise ermöglicht es Ihnen, die theoretischen Inhalte zu festigen und auf reale Problemstellungen anzuwenden. Nach Abschluss der Weiterbildung sind Sie in der Lage, komplexe Softwarelösungen unter Anwendung der objektorientierten Programmierung in C++ zu entwickeln und Deep-Learning-Modelle mit TensorFlow zu erstellen und zu integrieren. Diese Fähigkeiten eröffnen Ihnen neue Perspektiven in der Softwareentwicklung und im Bereich des maschinellen Lernens.

Grundlagen von C++
  • Einführung: Eigenschaften, Verarbeitung, Unterschiede zu C und IDE-Setup mit Fokus auf objektorientierte Programmierung
  • Templates
  • Klassen und Konstruktoren in C++ unter Einbeziehung der objektorientierten Programmierung
  • File-Input und -Output und Operator-Overloading
  • Smart Pointer mit Bezug zur objektorientierten Programmierung
  • Exception-Handling

Objektorientierte Programmierung in C++
  • Polymorphe Klassen mit Anwendungen aus der objektorientierten Programmierung
  • Vererbung

Grundlagen von TensorFlow und Keras
  • Installation und Einrichtung von TensorFlow im Kontext objektorientierter Programmierung
  • Grundlegende Verwendung von TensorFlow
  • Verwendung von Keras mit Ansätzen der objektorientierten Programmierung
  • Analyse von Machine Learning in TensorFlow
  • Allgemeine Tipps und Tricks zu TensorFlow unter Berücksichtigung der objektorientierten Programmierung
  • Laden und Speichern von Modellen
  • Verbindungen zu TensorFlow

Deep Learning mit Keras
  • Erstellen von Machine-Learning-Modellen mit Keras, angewandt auf objektorientierte Programmierung
  • Erstellen von FCN- und CNN-Modellen mit Keras
  • Erstellen von RNN-Modellen mit Keras mit Fokus auf objektorientierte Programmierung
  • Aufgaben und Funktion von Deep Learning
  • Trainieren eines Neuronalen Netzes im Zusammenhang mit objektorientierter Programmierung
  • Abgrenzung von Machine Learning und Deep Learning
  • Benutzen von vorgefertigten Modellen mit Keras im Kontext objektorientierter Programmierung