Das Spektrum der Themen deckt die wichtigsten Anwendungen von Deep Learning ab, kombiniert mit realistischen Anwendungsfällen und Datensätzen. U. a. werden folgende Konzepte behandelt:
- Künstliche Neuronale Netze (ANN)
- Backpropagation, Regularisierung
- Stochastischer Gradientenabstieg, verschiedene Optimierer
- Faltungsneuronale Netze (CNNs)
- MAX Pooling, CNN Architekturen
- Rekurrente Neuronale Netze (RNNs), GRUs, LSTMs
- Sequenzanalyse, Sprachmodelle
- Seq2Seq
- Transformer (BERT, T5, GPT2) und Vision Transformer
- Attention, Transfer Learning und Fine Tuning
- Worteinbettungen jenseits von word2vec und GloVe
- Autoencoder, Variations-Autoencoder (VAE)
- Siamesische Netzwerke in Pytorch
- Generative Modelle
- Generative Adversarial Networks (GANs)
- Deepfake
Der Schwerpunkt des Seminars liegt auf der Umsetzung von Projekten. In den folgenden Modulen werden die Programme (Python) auf Basis Tensorflow bzw. Pytorch mit der API Keras entwickelt:
- Computer Vision (Bildverarbeitung)
- Gesichtserkennung (Alter, Geschlecht, Emotionen, Ethnizität)
- Lagebestimmung von Objekten auf Bild- bzw. Videodaten
- Erkennen von Objekten auf Kamerabildern, um so z.B. eine Sortierung zu ermöglichen
- Analyse und Diagnose anhand medizinischer Scans
- Erkennen von Anomalien oder visuellen Defekten während eines Produktionsprozesses
- GAN-basierte Bild- und Videoeinfärbung
- Textuelle Beschreibungen von Bildern
- IOT: Predictive Maintenance (vorausschauende Instandhaltung)
- IOT: Erkennen von Anomalien oder visuellen Defekten während eines Produktionsprozesses
- Natural Language Processing (Textverarbeitung)
- Automatische Übersetzung von Texten
- Textzusammenfassungen (extraktive und abstraktive)
- Automatische Beantwortung von Fragen
- Stimmungsanalyse (Sentiment) von Texten
- Chatbot
- Zeitreihenanalyse (Prognose) als Deep Learning Problem
- Vorhersage von multivariaten Zeitreihen mit RNNs
- Beispiele: Bedarfsprognose, Regenvorhersage, COVID-19, Algorithmic Trading
Das Spektrum der Themen deckt die wichtigsten Anwendungen von Deep Learning ab, kombiniert mit realistischen Anwendungsfällen und Datensätzen. U. a. werden folgende Konzepte behandelt:
Mehr Informationen >>