Deep Learning und Bildverarbeitung in der Industrie

Nach Abschluss dieser Weiterbildung verfügen Sie über Wissen und praktische Fähigkeiten in den Bereichen Deep Learning und Bildverarbeitung in der Industrie. Sie können GitHub/GitLab für die Versionsverwaltung von Softwareprojekten einsetzen. Zudem beherrschen Sie die Programmiersprachen Python und C++, um mithilfe von Deep Learning-Algorithmen Datenmengen zu analysieren und zu verarbeiten. Des Weiteren sind Sie in der Lage, Bildverarbeitungstechniken in der Industrie anzuwenden. Mit Ihrer neu erworbenen Expertise können Sie in verschiedenen Bereichen tätig werden, wie beispielsweise in der Entwicklung von KI-gestützten Anwendungen, im Industrie- und Maschinenbau oder im Bereich des Data Engineerings.

• Agiles Arbeiten mit Git
• Continuous Integration und Continuous Delivery
• Software Testing und Qualitätssicherung
• Information Security
• Installation und Einrichtung von Python
• Python im interaktiven Modus
• Grundlegende Programmierkonzepte

• Datenstrukturen
• Python-Skripte
• Standard-Datentypen
• Funktionen
• Dictionaries
• Ein-und Ausgabe
• Threads
• Finden und Vermeiden von Fehlern

• Modellieren mit Kellern, Schlangen und Graphen
• Einführung in NumPy und Messdatenverarbeitung
• Algorithmen der Standardbibliothek

• Aufgaben und Funktion von Deep Learning
• Abgrenzung von Machine Learning und Deep Learning
• Neuronale Netze
• Trainieren eines Neuronalen Netzes
• Verbindungen zu TensorFlow
• Keras

• Verkehrszeichenerkennung mit Keras
• Laden und Speichern von Modellen
• Intelligente Spurerkennung mit Keras und OpenCV
• Erkennung der Umgebung mit YOLO und TensorFlow.js
• Anwendungen in Cloud Deep Learning, Bildgenerierung, Musik und Video

• Einführung in die Bildverarbeitung in der Industrie
• Bildverarbeitungstechniken und -anwendungen
• Objekterkennung und -segmentierung
• Anwendungen in der Qualitätskontrolle
• Robotik und automatisierte Bildverarbeitung
• Herausforderungen und Trends in der industriellen Bildverarbeitung

• Grafische Benutzungsoberflächen mit tkinter
• Layout, Grafik und Event-Verarbeitung
• Komplexe Benutzungsoberflächen
• File-Input und -Output und Operator-Overloading
• Smart Pointer
• Speicherreservierung
• Multithreading
• Vertiefung von Multithreading
• Exception-Handling
• Wahlfreier Dateizugriff
• Dateisysteme
• Einführung: Eigenschaften, Verarbeitung, Unterschiede zu C und IDE-Setup
• Assoziative Container