Deep Learning mit TensorFlow

Nach Abschluss der Weiterbildung verfügen Sie über Kenntnisse in der Software-Entwicklung im Bereich Deep Learning. Sie verstehen, wie und in welchen Bereichen Deep Learning verwendet wird, um die neuronalen Netze des menschlichen Gehirns bei der Verarbeitung von Daten nachzuahmen. Hierbei unterstützt Sie die Open-Source-Bibliothek TensorFlow, mit der Sie Modelle in mehreren Abstraktionsebenen für verschiedene Plattformen und Deep-Learning-Anwendungen erstellen und trainieren können.

Grundlagen und Theorie von Deep Learning

• Aufgaben und Funktion von Deep Learning
• Abgrenzung von Machine Learning und Deep Learning
• Neuronale Netze
• Python- und Machine-Learning-Bibliotheken

Praktische Einführung in TensorFlow und Keras

• Installation und Einrichtung von TensorFlow
• Grundlegende Verwendung von TensorFlow
• Trainieren eines Neuronalen Netzes
• Verbindung zu TensorFlow
• Verwendung von Keras
• Laden und Speichern von Modellen
• Benutzen von vorgefertigten Modellen mit Keras

Anwendungsfälle und Modellierung in TensorFlow mit Keras

• Stimmungsanalyse mit Keras
• Verkehrszeichenerkennung mit Keras
• Intelligente Spurerkennung mit Keras und OpenCV
• Erstellen von Machine-Learning-Modellen mit Keras
• Erstellen von FCN- und CNN-Modelle mit Keras
• Erstellen von RNN-Modelle mit Keras
• Yolo-Modelle in TensorFlow
• Anwendungen in Cloud Deep Learning, Bildgenerierung, Musik und Video

Analyse, Visualisierung und Problembehebung

• Lineare Regression im Deep Learning
• Analyse von Machine Learning in TensorFlow
• Visualisierung von Ergebnissen mit Keras
• Allgemeine Tipps und Tricks zu TensorFlow
• Problemlösung für nicht funktionierende Modelle