AI Engineering and Computer Vision

Die Vermittlung von Kenntnissen in den Hauptbereichen des maschinellen Lernens steht im Vordergrund, einschließlich überwachtem, unüberwachtem und verstärktem Lernen sowie Regression und Klassifizierung. Ebenso werden Tiefenlernen und neuronale Netzwerke behandelt, mit Schwerpunkt auf Netzwerkarchitekturen und alternativen Trainingsmethoden. Verstärktes Lernen wird eingeführt, mit Fokus auf Markov-Ketten und Q-Learning. Agile Projektmanagement und DevOps werden im Kontext der Softwareentwicklung für datenintensive Wissenschaften betrachtet. Schließlich werden Bildverarbeitung und mittlere Bildmerkmale im Kontext der Computer Vision untersucht.

• Introduction to neural networks and deep learning
• Network architectures
• Neural network training
• Alternative training methods
• Further network architectures

• Introduction to reinforcement learning
• Markov chains
• Bandit
• Q-Learning
• Reinforcement learning approaches

• Agile project management
• DevOps
• Software development
• API
• From model to production

• Supervised, unsupervised, and reinforcement learning approaches
• Regression and classification learning problems
• Estimation of functional dependencies via regression techniques
• Data clustering
• Support vector machines, large margin classification
• Decision tree learning

• Image Acquisition
• Single and Multi-View Geometry
• Image Representation and Morphology
• Filtering
• Texture

• Mid-Level Image Features
• Segmentation
• Motion
• Tracking
• Shape