AI-Engineering: Neuronale Netzwerke mit PyTorch entwickeln und deployen

In diesem praxisnahen Kurs erwerben die Teilnehmenden umfassende Kenntnisse im Bereich Deep Learning unter Verwendung von Python und PyTorch. Der Kurs deckt den gesamten Workflow ab, von den theoretischen Grundlagen neuronaler Netze bis hin zur praktischen Implementierung und dem Deployment produktionsreifer Modelle.

Kerninhalte des Kurses:

• Grundlagen & PyTorch: Einführung in Machine Learning, Deep Learning und die Arbeit mit Tensoren in PyTorch.
• Klassifizierung & Vor-trainierte Netze: Nutzung von Huggingface-Modellen für spezifische Aufgaben.
• Computer-Vision: Techniken zur Bildverarbeitung, Objekt- und Mustererkennung sowie Audio-Klassifizierung.
• NLP & LLMs: Verständnis von Natural Language Processing und die Arbeit mit Large-Language-Modellen wie OpenAI GPT und Meta Llama.
• Deployment: Bereitstellung von Modellen über REST-APIs für die Integration in reale Anwendungen.

Ihr Nutzen:

Am Ende des Kurses sind Sie in der Lage, eigenständig Deep-Learning-Modelle zu entwickeln, zu trainieren und für verschiedene Anwendungsbereiche wie Bild- und Textverarbeitung erfolgreich einzusetzen. Der Kurs umfasst zudem weiterführende Architekturen wie Autoencoder, Graph Neural Networks und Generative Adversarial Networks (GANs). Ein Anteil von 20 % der Kurszeit widmet sich dem gesellschaftspolitischen Bezug der Technologie.