Deep Learning

Methoden der Künstlichen Intelligenz und vor allem des Deep Learnings (DL) kommen aktuell in den meisten Software-Applikationen zur Anwendung. Alle Varianten von Artificial Intelligence (AI) / DL-Technologien werden praktisch eingesetzt, wie zum Beispiel Process Robotics, regelbasierte Systeme, Machine Learning (ML), DL, Natural Language Processing, Physische Roboter mit künstlicher Intelligenz (Cobots), Affective Computing (künstliche emotionale Intelligenz) und Computer Vision.

DL ist State-of-the-Art-Methodologie in Bildern, Video und Spracherkennung.

In diesem Seminar erwerben Mitarbeiter*innen aus der industriellen Praxis eine fundierte Grundlage und erfahren, was DL ist, seine Anwendungen, Methoden und Algorithmen. Die Vorgehensweise in typischen DL-Projekten wird erklärt und an praktischen Beispielen illustriert. Es werden auch Einschränkungen diskutiert sowie die sinnvolle Kombination von klassischen und DL-Methoden besprochen.

Seminarinhalte

> Kritische Analyse der klassischen ML-Algorithmen

> Standard-DL-Algorithmen: CNN, RNN, Generative Netze

> Moderne DL-Architekturen: Deep-Reinforcement- Learning, Attention, Transformer, GPT, BERT usw.

> Anwendungen der ML im allgemeinen und DL insbesondere: Bilder und Sprache erkennen und verstehen, Sensorik, Web Suche

> Einschränkungen von DL

Zielgruppe

Das Seminar richtet sich an Fachleute aus der Praxis, Ingenieur*innen und Manager*innen, die ein Verständnis und praktisches Wissen über diese neue Technologie erwerben wollen.

Ihre Vorteile

> Sie verstehen im Detail die DL-Methode, ihre Algorithmen und Anwendungen.

> Sie kennen die praktischen Einsatzmöglichkeiten und die Einschränkungen von DL.

> Sie üben direkt am eigenen praktischen DL-Projekt.

Termine & Kosten

18.01 und 19.01.2022, 9.00-16.30 Uhr

Teilnahmegebühr: € 280 (USt.-befreit)

Vortragender

DI Dr. techn. Mugdim Bublin

Abschluss

Teilnahmebestätigung