Deep Learning für Computer Vision

Moderne Computer Vision verwendet hochkomplexe Deep Learning Modelle um extrem hohe Genauigkeiten zu erreichen. Hier schulen wir Sie diese Methoden zu konzipieren auf ihre Fragestellungen anzupassen.

Deep Learning für Computer Vision

Was Sie lernen

Einführung in Deep Learning

  • Das Verständnis um die Begriffe Machine Learning, Deep Learning und künstliche Intelligenz
  • Anwendungen und Erfolgsgeschichten
  • Datenmaterial und typische Aufgaben
  • Datenbasiertes Arbeiten anstatt klassischen Modellierens
  • Planen eines erfolgreichen Deep Learning Projektes

Deep Learning Basics

  • Formulierung von Machine Learning Aufgaben
  • Loss Funktionen und Gradienten basierte Optimierung
  • Evaluieren von Machine Learning Modellen
  • Von linearer Regression zum neuronalen Netz
  • Hidden Layers und Aktivierungsfunktionen

Convolutional Neural Networks in TensorFlow

  • Convolutional Neural Networks vs Multilayer Perceptron
  • Convolution und Pooling Operationen
  • Implementieren und Training eines CNNs

Einführung in TensorFlow

  • System Setup und Installation
  • Einführung in die Programmierung mit TensorFlow
  • Erzeugen und Ausführen von Computational Graphs

Deep Learning mit TensorFlow

  • Ablauf von Deep Learning Projekten
  • Laden der Daten und Preprocessing
  • Implementieren von neuronalen Netzen
  • Training und Evaluierung von neuronalen Netzen

Advanced Topics in Deep Learning

  • Hyperparameter Tuning und Regularisierung
  • Batchnorm und Aktivierungsfunktionen
  • Data Augmentation
  • Überblick zu den wichtigsten Netzarchitekturen