1. Grundlagen der Computer Vision
2. Einführung in TensorFlow und Keras
3. Convolutional Neural Networks (CNN)
4. Bilddaten-Augmentation in der Praxis
5. Transfer Learning in der Bildklassifikation
6. Erklärbare Bildklassifikation
7. Einführung in PyTorch
8. Objekterkennung
9. Bildsegmentierung
10. Generative und multimodale KI
Schneller Einstieg in Computer Vision: Du verstehst die wichtigsten Architekturen – von CNNs über YOLO bis zu Vision Transformern – und wählst für jede Aufgabe das optimale Modell aus.
Höhere Modellqualität: Durch Data-Augmentation, Transfer Learning und Explainable-AI-Techniken erhöhst du Präzision und Vertrauen in deine Ergebnisse.
Fundierte Technologie-Entscheidungen: Best-Practice-Vergleiche zwischen TensorFlow/Keras und PyTorch, verbunden mit Deployment-Optionen von Cloud bis Edge, geben dir eine klare Roadmap für eigene Projekte.
Robuste Produktionseinsätze: Du lernst, Domänenshifts zu erkennen, kleine Objekte verlässlich zu detektieren und Fehlalarme zu minimieren – essenziell für Industrie-, Medizin- und Retail-Anwendungen.
Unterstützung beim Lerntransfer: Cloud-Lab, Quellcode, Jupyter Notebooks und Deploy-Blueprint sichern den Transfer in deinen Arbeitsalltag.
Dieses Online-Seminar findet in einer Gruppe von maximal 12 Teilnehmenden über Zoom statt.
In einer cloudbasierten Laborumgebung arbeitest du direkt im Browser. Die Installation weiterer Software ist nicht erforderlich.
Interaktive Jupyter Notebooks dienen als Lernmaterial und Arbeitsumgebung. Sie enthalten Quellcode, Dokumentation und Links, während ein leistungsstarker GPU-Server das Training aktueller Modelle übernimmt.
Der Kurs wird in deutscher Sprache durchgeführt, die Kursunterlagen liegen durch den Fokus auf Programmierung größtenteils auf Englisch vor.
Für Fragen ist reichlich Zeit eingeplant – die individuelle Betreuung durch die Referent:innen ist garantiert.
In deiner Haufe-Akademie-Lernumgebung findest du nach der Anmeldung alle Informationen, Downloads und Extra-Services zu dieser Weiterbildung.
Software-Entwickler:innen, ML-Engineers, Data Scientists, Ingenieur:innen und IT-Berater:innen, die Bilddaten automatisiert auswerten oder visuelle Prüfungen digitalisieren wollen. Python-Grundkenntnisse werden vorausgesetzt. Vertieftes Data-Science-Wissen ist hilfreich, aber nicht zwingend erforderlich.
Lernform
Learning form
Keine Filterergebnisse