Deep Learning Grundlagen: Einführung in Computer Vision

Visuelle Daten erfordern spezifische Methoden der Verarbeitung und Analyse. Der Kurs Deep Learning Grundlagen: Einführung in Computer Vision vermittelt theoretische und praktische Grundlagen für die Entwicklung leistungsfähiger Deep Learning-Modelle im Bereich der Bildverarbeitung. Ein Fokus liegt auf der Nutzung von SQL zur strukturierten Aufbereitung großer Bilddatensätze. Teilnehmende lernen, wie mithilfe von optimierten Abfragen, Joins und Aggregationen Trainingsdaten aus relationalen Datenquellen effizient erstellt und für neuronale Netzwerke vorbereitet werden. Zur Analyse und Darstellung von Trainingsmetriken und Modellverläufen kommt Power BI zum Einsatz. Interaktive Dashboards und DAX-Funktionen ermöglichen eine übersichtliche Visualisierung von Modellgüte, Verlustfunktionen und Performance-Entwicklungen. Automatisierte Datenpipelines unterstützen die Verarbeitung und Strukturierung umfangreicher Bilddaten. Durch standardisierte Workflows werden Datenqualitäten erhöht, Modelltrainings beschleunigt und die Reproduzierbarkeit von Deep Learning-Prozessen sichergestellt. Explorative Analysen mit statistischen Methoden und Feature Engineering-Techniken helfen, bildbasierte Merkmale gezielt zu identifizieren. Die Auswahl relevanter Bildinformationen verbessert die Trainingsleistung und unterstützt die Optimierung von Modellarchitekturen. Im praktischen Teil wird mit Convolutional Neural Networks (CNNs) gearbeitet. Teilnehmende trainieren Modelle für Klassifikationsaufgaben, Objekterkennung und Segmentierung, evaluieren Modellvarianten und setzen Transfer Learning ein, um leistungsfähige Lösungen im Bereich Computer Vision effizient umzusetzen.

Förderungsmöglichkeiten

ja

Preishinweis

Preis inkl. MwSt. undefined