In dieser Weiterbildung erlernen Sie den Einsatz von TensorFlow im Kontext des Webdesigns und vertiefen Ihre Kenntnisse in Versionskontrollsystemen wie GitHub und GitLab. Sie werden in die Lage versetzt, maschinelles Lernen in Webanwendungen zu integrieren und komplexe Modelle zu entwickeln. Sie erwerben fundierte Kenntnisse über die Architektur von TensorFlow und dessen Anwendung im Webdesign. Sie lernen, maschinelles Lernen für die Entwicklung interaktiver und dynamischer Webanwendungen zu nutzen. Zudem werden Sie mit den Funktionen von GitHub und GitLab vertraut gemacht, um Versionskontrolle und kollaborative Entwicklungsprozesse effizient zu gestalten. Durch praktische Übungen und Projektarbeiten wenden Sie TensorFlow in realen Webdesign-Szenarien an. Sie implementieren maschinelles Lernen in Webprojekten und nutzen GitHub sowie GitLab für die Verwaltung und Zusammenarbeit im Entwicklungsprozess. Nach Abschluss der Weiterbildung sind Sie in der Lage, maschinelles Lernen in Webdesign-Projekten einzusetzen und Versionskontrollsysteme wie GitHub und GitLab effektiv zu nutzen.

Grundlagen von TensorFlow
  • Installation und Einrichtung von TensorFlow mit Fokus auf maschinelles Lernen
  • Grundlegende Verwendung von TensorFlow
  • Verwendung von Keras unter Berücksichtigung von maschinellem Lernen
  • Erstellen von Machine-Learning-Modellen mit Keras
  • Analyse von Machine Learning in TensorFlow im Kontext von maschinellem Lernen
  • Visualisierung von Ergebnissen mit Keras
  • Allgemeine Tipps und Tricks zu TensorFlow und deren Bedeutung für maschinelles Lernen

Entwicklungsumgebung und Programmiersprachen
  • Installation und Einrichtung von Python für Anwendungen im maschinellen Lernen
  • Python im interaktiven Modus
  • Python-Skripte zur Umsetzung von maschinellem Lernen
  • Standard-Datentypen
  • Funktionen mit Bezug auf maschinelles Lernen
  • Ein-und Ausgabe

Benutzeroberflächen und Dynamik im Web
  • Grafische Benutzungsoberflächen mit tkinter im Kontext von maschinellem Lernen
  • Dynamische Websites-CGI und WSGI
  • Responsive Webdesign und Einbindung von maschinellem Lernen
  • UI und UX: interaktive Navigation
  • Performance-Optimierung bei Projekten rund um maschinelles Lernen

Versionskontrolle und Agile Methoden
  • Agiles Arbeiten mit Git im Umfeld von maschinellem Lernen
  • Versionsverwaltung
  • Continuous Integration und Continuous Delivery mit Schwerpunkt auf maschinellem Lernen

Datenverarbeitung und Datenbanken
  • Datenstrukturen für maschinelles Lernen
  • Datenbanken
  • Testen und Tuning im Bereich maschinelles Lernen
  • Einführung in NumPy und Messdatenverarbeitung

Entwicklung des Webauftritts
  • SEO-Grundlagen in Kombination mit maschinellem Lernen
  • Mobile First Design
  • Performance-Testing und Fehlerbehebung unter Berücksichtigung von maschinellem Lernen
  • Präsentation von Webdesign Projekten
  • Collaborative Design und Teamwork beim Arbeiten mit maschinellem Lernen
  • Integration von Social-Media-Elementen

Konzepte und Anwendung von Deep Learning
  • Aufgaben und Funktion von Deep Learning im Bereich maschinelles Lernen
  • Abgrenzung von Machine Learning und Deep Learning
  • Neuronale Netze mit Fokus auf maschinelles Lernen
  • Trainieren eines Neuronalen Netzes
  • Verbindungen zu TensorFlow in Bezug auf maschinelles Lernen

Fortgeschrittene Techniken mit Keras
  • Stimmungsanalyse mit Keras als Beispiel für maschinelles Lernen
  • Benutzen von vorgefertigten Modellen mit Keras

WordPress und Content-Management
  • Qualifikationsprojekt WordPress mit Anwendungen für maschinelles Lernen
  • Konfigurieren von Startseite, Blogseite und Newsfeed
  • Anpassen des Backends für maschinelles Lernen
  • Benutzerverwaltung: Rechtemanagement
  • Plugins im Zusammenhang mit maschinellem Lernen
  • Themes
  • Der Gutenberg-Editor mit Blick auf maschinelles Lernen

E-Commerce und Praxisprojekte
  • E-Commerce mit WooCommerce und maschinellem Lernen
  • Erstellung von Blogs und OnePagern
  • Erstellung von Online-Shops unter Einbindung von maschinellem Lernen
  • Einrichtung von Automatisierungen
  • Hinzufügen von Blöcken und Gestalten von Inhalten für maschinelles Lernen
  • Medienblöcke: Video, Bild und Audio
  • Social-Media-Einbindung im Rahmen von maschinellem Lernen